Полный учёт страниц визуального корпуса
Проверка 8 октября 2026, рабочая ветка
codex/moffice-core.
Последующее уточнение: фактические шрифты старого stress010 reference
PDF включали внешний DejaVu/Amiri. Прежний receipt v4 фиксировал
настройки, но не проверял actual glyph fallback. Новый receipt v5
требует pdffonts inspection и точные встроенные PostScript
names; исторические результаты ниже сохраняются с ограничением изоляции
шрифтов. Исправление
арабских глифов и контроль PDF.
Старый стенд растеризовал первые 12 страниц эталона и ограничивал
число страниц MOffice тем же пределом. Поэтому документы длиной 14 и 15
страниц отображались как 12/12, а различие в хвосте не
участвовало в SSIM. Исторический результат 432/1268
относится к прежнему ограниченному методу и сохраняется в истории.
Теперь pdfinfo определяет полную длину эталонного PDF;
pdftoppm создаёт все его страницы, а сравнение использует
все страницы MOffice. Отсутствующей странице назначается SSIM 0. Предел
ресурсов 4096 страниц отклоняет документ целиком; он никогда не
превращается в выборку первых страниц.
Квитанция эталона v4 связывает версию движка, растеризатора и
pdfinfo, шрифты, источник, полный PDF и каждый PNG с
размером и SHA-256. Проверяются число, непрерывность и уникальность
номеров страниц. Удалённый, подменённый или неполный эталон не считается
актуальным. Старые квитанции v3 требуют нового прогона.
JSON сравнения v3 объявляет page_scope=all и
score_precision=binary64. Release gate проверяет точное
число SSIM/ink-значений каждого документа и нулевые оценки отсутствующих
страниц; отчёт с обрезанным хвостом или без заявленной полной области
отклоняется.
Полный прогон 73400052 на LibreOffice
26.8.0.3 / Poppler 26.05.0 построил
эталоны всех 383 документов без ошибок. Сравнено 3139 страниц, число
страниц совпало у 332 документов; 51 mismatch и 16 отдельных reference
exceptions сохраняют FAIL. Исходный Markdown насчитал
620 прошедших страниц, а release summary из JSON v2 —
621: четырёхзначное округление повысило оценку 14-й
страницы docx/poi/bug57031.docx до 0,9500. Оба исходных
отчёта сохранены; они не исправляются задним числом. Около 19,8% на
полной области не сравнивается как регрессия с прежними 34,1% на первых
12 страницах.
В v3 JSON содержит кратчайшее десятичное представление исходного
binary64, сохраняющее точные биты при обратном чтении. Rust-reader
включает уже имеющийся serde_json/float_roundtrip;
отдельный тест обнаружил потерю одного ULP у соседнего значения без этой
функции. Порог 0,95 и требуемая доля 60% сохранены. Старый округлённый
v2 не принимается новым gate: требуется новое сравнение.
Targeted-проверки изменения: 27 corpus-tool Rust + 22 release
Python PASS, включая 0,94996 и оба соседних binary64 около
0,95; strict Clippy и release build PASS. Реальное повторное сравнение
всех 14 страниц bug57031.docx дало оценку 14-й страницы
0,9499830883464946. JSON v3 и Markdown теперь оба
принимают 3/14, тогда как округлённый JSON v2 принимал
4/14. Квитанция
узкой регрессии содержит хэши бинарника и исходников; проверялся
рабочий patch поверх ebdc75f2, а не чистый общий кандидат.
Новый полный прогон и разбор реальных расхождений layout остаются
необходимыми.
Проверки
- Новый отрицательный Python-тест до исправления воспроизвёл 4 ложных приёма: обрезанные измерения, положительную оценку отсутствующей страницы и неверные счётчики. После исправления весь набор release checks: 20/20 PASS.
corpus-tool: 26/26 PASS, включая пропущенную/дублирующуюся страницу, замену пикселей и неверный счётчик PDF. Clippy всех target: PASS.- Два известные проблемные DOCX пересчитаны целиком с LibreOfficeDev
26.8.0.0.alpha0 и Poppler 26.05.0:
bib-chernigovka...17459.docx— 14/15 страниц,govdocs1/128291.docx— 16/16. Всего 5/31 страниц с SSIM ≥0,95, средний SSIM 0,612. Это узкая проверка стенда, не полный корпус.
Измерения: target/footer-regression/two-all-pages.json и
.md; эталоны:
tests/corpus/private/refs/libreoffice/*/reference.json.
Прежние PDF/PNG/квитанции сохранены отдельно в
target/footer-regression/refs-sampled-baseline/.
Изменение метода требует нового общего corpus-run; прежние проценты и исключения другой версии LibreOffice нельзя автоматически считать результатом нового gate. 12 минимальных примеров полей разделённой строки совпали с LibreOffice, поэтому откат учёта нижнего поля ячейки не обоснован. Две воспроизведённые визуальные регрессии и остальные четыре из исторического списка остаются открытыми.