Automatiseret PDF-preflight og risikorevision med PDFium

I arbejdsgange for virksomhedsudskrivning, arkivering og dokumentoverholdelse kan en PDF-fil ikke bare "gengives". Den skal revideres. En PDF kan indeholde ufladgjorte gennemsigtighedsgrupper, der får ældre raster-billedprocessorer (RIP'er) til at gå ned, indlejret JavaScript, der udgør en sikkerhedsrisiko, eller lavopløselige billeder, der vil se forfærdelige ud, når de udskrives i 300 DPI.

Denne proces med at inspicere en PDF, før den går ind i en produktionsarbejdsgang, er kendt som Preflighting. I denne artikel vil vi undersøge, hvordan man bygger et automatiseret værktøj til preflight og risikorevision i Delphi ved at udnytte PDFiums parsingfunktioner på lavt niveau.

Vigtige preflight-tjek

En standard risikorevision tjekker typisk for følgende elementer i en PDF:

• Interaktive elementer: JavaScript-handlinger, Launch-handlinger (udførelse af eksterne programmer) og AcroForms.
• Ressourcemetrikker: Tilstedeværelse af lavopløselige billeder eller manglende indlejrede skrifttyper.
• Sikkerhedsstatus: Dokumentkryptering, adgangskodekrav og adgangstilladelser (f.eks. udskrivning deaktiveret).
• Dokumentstandarder: Validering af PDF/A- eller PDF/X-overholdelsesmarkører i dokumentmetadataene.

Udtrækning af PDF-metadata og annotationer med PDFium

PDFium leverer en robust C-API, som Delphi kan forbruge. For at udføre en preflight-revision gengiver vi ikke bare siden; vi gennemgår PDF-objekttræet. Lad os se på, hvordan man itererer gennem dokumentsiderne og inspicerer annotationer for at finde potentielt risikable JavaScript-handlinger.

uses
  System.SysUtils, pdfium_lib;

procedure AuditPdfSecurity(const FileName: string);
var
  Doc: FPDF_DOCUMENT;
  PageCount, i, j: Integer;
  Page: FPDF_PAGE;
  AnnotCount: Integer;
  Annot: FPDF_ANNOTATION;
  AnnotSubType: FPDF_ANNOTATION_SUBTYPE;
  Action: FPDF_ACTION;
  ActionType: ULONG;
begin
  FPDF_InitLibrary();
  try
    // Load the document without a password
    Doc := FPDF_LoadDocument(PAnsiChar(AnsiString(FileName)), nil);
    if Doc = nil then
      raise Exception.Create('Failed to load document or password required.');
      
    try
      PageCount := FPDF_GetPageCount(Doc);
      Writeln(Format('Auditing %d pages...', [PageCount]));
      
      for i := 0 to PageCount - 1 do
      begin
        Page := FPDF_LoadPage(Doc, i);
        if Page <> nil then
        begin
          AnnotCount := FPDFPage_GetAnnotCount(Page);
          for j := 0 to AnnotCount - 1 do
          begin
            Annot := FPDFPage_GetAnnot(Page, j);
            if Annot <> nil then
            begin
              AnnotSubType := FPDFAnnot_GetSubtype(Annot);
              
              // Check for Link Annotations that might have malicious actions
              if AnnotSubType = FPDF_ANNOT_LINK then
              begin
                Action := FPDFAnnot_GetLinkAction(Annot);
                if Action <> nil then
                begin
                  ActionType := FPDFAction_GetType(Action);
                  // 2 represents PDFACTION_URI, 3 represents PDFACTION_SOUND, 4 represents PDFACTION_MOVIE
                  // We specifically look out for PDFACTION_LAUNCH or PDFACTION_JAVA_SCRIPT
                  if (ActionType = PDFACTION_JAVA_SCRIPT) or (ActionType = PDFACTION_LAUNCH) then
                  begin
                    Writeln(Format('WARNING: Malicious action detected on page %d', [i + 1]));
                  end;
                end;
              end;
              FPDFPage_CloseAnnot(Annot);
            end;
          end;
          FPDF_ClosePage(Page);
        end;
      end;
    finally
      FPDF_CloseDocument(Doc);
    end;
  finally
    FPDF_DestroyLibrary();
  end;
end;

Tjek af billedopløsning

Et andet kritisk preflight-trin for udskrivningsarbejdsgange er at sikre, at intet billede falder under en bestemt DPI-tærskel. PDFium giver dig mulighed for at udtrække billedobjekter direkte fra sidens stream. Ved at dividere pixeldimensionerne for det udtrukne billede med de fysiske dimensioner (i punkter), det optager på PDF-siden, kan du beregne den effektive DPI.

procedure AuditPageImages(Page: FPDF_PAGE);
var
  ObjCount, i: Integer;
  PageObj: FPDF_PAGEOBJECT;
  ImgWidth, ImgHeight: Integer;
begin
  ObjCount := FPDFPage_CountObjects(Page);
  for i := 0 to ObjCount - 1 do
  begin
    PageObj := FPDFPage_GetObject(Page, i);
    if FPDFPageObj_GetType(PageObj) = FPDF_PAGEOBJ_IMAGE then
    begin
      FPDFImageObj_GetBitmap(PageObj); // Returns an FPDF_BITMAP you can inspect
      // Retrieve metadata using FPDFImageObj_GetImageMetadata
      // Calculate effective DPI based on quad coordinates
    end;
  end;
end;

Integration med PDFium Component

At bygge en robust preflight-motor fra bunden ved hjælp af den rå PDFium C-API kræver betydelig mængde rutinekoder og dyb viden om PDF-specifikationen. Brug af en wrapper forenkler dette enormt. Med en højniveau Delphi-wrapper kan du omdanne komplekse C-pointeriterationer til ren objektorienteret kode.

Ved at automatisere preflight-fasen forhindrer du dårlige filer i at stoppe din produktionspipeline, hvilket sparer både tid og gengivelsesressourcer.

Bemærk: Avancerede PDF-parsing- og preflight-funktioner understøttes fuldt ud af PDFium Component.