Office OOXML 本地转 PDF / TXT / Markdown
引擎：libzen_office2pdf.so
Office 文档转换走 ZenConverter 自研的 native 库：
- 库文件：
libzen_office2pdf.so（arm64-v8a only）； - 当前版本：v0.8.1；
- 依赖字体：Noto Sans 和 Noto Serif CJK（中简/中繁/日/韩），默认用系统字体，可选下载高保真版本。
为什么自研？因为 Android 没有内置的 Office 渲染 API，而开源的 LibreOffice Android 移植版本体积巨大（几百 MB）。libzen_office2pdf.so 的思路是只渲染，不编辑——不做 Office 文档编辑的完整实现，只做够"转 PDF"的那一部分。
支持的输入格式
| 输入 | 说明 |
|---|---|
| DOCX | Office Open XML 文档（Word 2007+） |
| PPTX | Office Open XML 演示（PowerPoint 2007+） |
| XLSX | Office Open XML 表格（Excel 2007+） |
不支持：老版 DOC/PPT/XLS（二进制 Office 格式）、Pages/Numbers/Keynote（苹果格式）、WPS 专有格式、PDF 输入（这是 PDF 路线负责的）。
输出格式
| 输出 | 说明 |
|---|---|
| office2pdf 原生渲染 → 输出 PDF | |
| TXT | 先转 PDF → 再用 PDFBox-Android 提取 TXT |
| Markdown | 先转 PDF → 再用 PDFBox-Android 提取 Markdown |
TXT 和 Markdown 输出不是 office2pdf 直接导出的——中间经过 PDF 作为桥接。这意味着 TXT/Markdown 的质量取决于：
- office2pdf 渲染 PDF 时有没有把文字正确渲染出来；
- PDFBox-Android 从渲染后的 PDF 里能不能正确提取文字层。
中文渲染：系统字体 vs Noto CJK
v0.2.0 版本引入了 Office 字体策略的改变：
| 策略 | 说明 | 字体来源 |
|---|---|---|
| 默认：系统字体 | 自动发现 Android 系统的可用字体路径 | 0 MB 下载，100% 离线 |
| 可选：Noto CJK | 按需下载高保真 Noto Sans/Serif CJK 字体 | 约 30.8 MB，渲染宋体/仿宋等衬线字体更准 |
v0.2.0 之前版本把 Noto CJK 打包进 APK，导致 APK 体积大幅增加。v0.2.0 之后改成系统字体优先 + 按需下载，既节省了 APK 体积，也让用户可以根据自己的设备情况选择。
系统字体在大多数 Android 设备上已经包含中文字体（Roboto CJK 或厂商定制字体），默认情况下已经能正确渲染中文。Noto CJK 适合需要精确匹配衬线字体（宋体、仿宋）或某些罕见字形的场景。
源文件上限 64 MiB
office2pdf 引擎整个输入文件一次性读入内存。为了避免 OOM，设定了 64 MiB 的硬上限——源文件超过 64 MiB 会直接失败，不会尝试处理。
64 MiB 对于绝大多数 Office 文档是绰绰有余的（一个典型的 50 页 Word 文档也就几 MB）。大 PPTX 如果嵌了很多高分辨率图片可能会逼近这个上限。
Beta 状态与版式保真边界
Office 文档转换路线当前标记为 Beta，原因直接写在 README 里：
No fidelity guarantee for Microsoft Office layout; overlapping text, shifted shapes, and degraded slide/spreadsheet layout remain expected on complex files.
翻译一下：不承诺 Microsoft Office 版式完全保真；文字重叠、图形偏移、幻灯片/表格布局降级在复杂文件上仍有可能发生。
具体边界：
| 场景 | 可能的问题 |
|---|---|
| 复杂 PPTX（多图层动画、自定义主题） | 文字可能重叠、图形可能错位 |
| 复杂 XLSX（合并单元格、公式计算、条件格式） | 合并单元格可能被拆开、公式只显示静态值 |
| 带嵌入媒体的 PPTX（视频、音频、Flash） | 媒体对象可能丢失或变成占位符 |
| 特殊字体（系统未安装） | 用替代字体渲染，版式偏移 |
| 表格/图表（Office 原生图表对象） | 可能被栅格化或用简化方式呈现 |
已知限制
- arm64-v8a only：
libzen_office2pdf.so只编译了 arm64，32 位 ARM 设备不走这条； - 只读全文件进内存：64 MiB 上限是硬限制，大文件不走分块读取；
- 不保留 Office 内部结构：输出 PDF 是"拍平"后的，不是 Office 文档的 1:1 矢量还原。
使用场景
| 场景 | 推荐 |
|---|---|
| 快速预览别人发来的 DOCX（手机上没装 Office） | office2pdf 转 PDF，然后 PDF 查看器直接看 |
| 从 DOCX 论文里提取纯文字做笔记 | DOCX → Markdown（走 office2pdf → PDFBox 管线） |
| 复杂版式的 PPTX 需要精确还原 | 桌面端 PowerPoint 更靠谱 |
相关页面
- PDF 合并与智能压缩 —— Office 转出来的 PDF 可以继续走 PDF 管线
- PDF 提取 TXT / Markdown —— Office → TXT/MD 也是先转 PDF 再提取
- 动态像素预算与 OOM 防护 —— Office 64 MiB 上限也是 OOM 防护策略的一部分
