Eine ERP-Rechnungsnummer, die man dem XMP einer PDF/A-2b-Datei hinzufügt, zieht einen Undeclared-Property-Befund nach sich, während dasselbe Paket in einer PDF/A-4-Datei konform ist. Die Teile 1 bis 3 verlangen für jede eigene Property eine pdfaExtension:schemas-Beschreibung, Teil 4 nicht, also liest der PDF/A-Validator in PDFium Component für Delphi pdfaid:part, bevor er einen Regelsatz wählt
Was verlangen PDF/A-Teile 1 bis 3 von einer eigenen Property?
Eine Beschreibung ihres Namespace, plus eine Zeile in dieser Beschreibung, die die Property nennt. ISO 19005-1 §6.7.2 erlaubt XMP-Properties nur aus den vordefinierten Schemas oder aus Extension Schemas, die §6.7.8 erfüllt, der jede Beschreibung im selben Metadaten-Stream will; ISO 19005-2 §6.6.2.3.1 trägt die Regel in die Teile 2 und 3. Eine Beschreibung ist keine Pauschalerlaubnis. Sie nennt Properties einzeln über pdfaProperty:name, also scheitert ein Paket, das inv:InvoiceNumber beschreibt und auch inv:DueDate schreibt, an der zweiten. PDFium Component meldet diese Fälle unter vier TPdfAValidationIssue-Werten, ein Befund pro Fehler: Ein umbenannter Präfix ergibt beispielsweise allein den Präfix-Befund
| Issue-Wert | Gemeldet, wenn | Klausel |
|---|---|---|
pvaiMissingExtensionSchema | Ein nicht vordefinierter Namespace ist in Gebrauch, und das Paket hat keinen pdfaExtension:schemas-Container | 19005-1 §6.7.8, 19005-2 §6.6.2.3.1 |
pvaiXmpPropertyUndeclared | Der Container existiert, aber keine Beschreibung darin nennt die Property | 19005-1 §6.7.2, 19005-2 §6.6.2.3.1 |
pvaiExtensionSchemaPrefix | Ein Beschreibungs-Namespace ist an einen anderen als den geforderten Präfix gebunden | 19005-1 §6.7.8, 19005-2 §6.6.2.3.2 |
pvaiExtensionSchemaEntryMissing | Eine Beschreibung lässt ein Feld aus, das ihre Tabelle listet | 19005-1 §6.7.8, 19005-2 §6.6.2.3.3 |
Welchen der ersten beiden Sie bekommen, hängt vom Producer ab. Viele PDF/A-Writer beschreiben das pdfaid-Identifikationsschema bereits in einem Container, SaveAsPdfA in PDFium Component eingeschlossen, also landet ein später ergänztes Feld neben einem Container, der keinen Eintrag dafür hat. Die Routine unten druckt nur die Extension-Schema-Befunde. Erwartet: Eine von SaveAsPdfA geschriebene PDF/A-2b-Datei druckt pac2b und pvaiXmpPropertyUndeclared, ein Teil-1- oder Teil-2-Paket ohne Container druckt pvaiMissingExtensionSchema, und eine PDF/A-4-Datei druckt allein ihre Konformitätszeile
uses
System.SysUtils, System.Classes, System.TypInfo,
PDFium, FPdfPdfa, FPdfXmp;
const
InvoiceNs = 'http://ns.example.com/invoice/1.0/';
ExtensionIssues: TPdfAValidationIssues = [pvaiMissingExtensionSchema,
pvaiXmpPropertyUndeclared, pvaiExtensionSchemaPrefix,
pvaiExtensionSchemaEntryMissing];
procedure PrintExtensionIssues(Source: TStream);
var
Res: TPdfAValidationResult;
Issue: TPdfAValidationIssue;
begin
Res := ValidatePdfAComplianceEx(Source, TPdfAValidationOptions.Default);
Writeln(GetEnumName(TypeInfo(TPdfAConformance), Ord(Res.Conformance)));
for Issue in Res.Issues * ExtensionIssues do
Writeln(' ', GetEnumName(TypeInfo(TPdfAValidationIssue), Ord(Issue)));
end;
procedure ProbeCustomProperty(const FileName: string);
var
Pdf: TPdf;
Packet: TPdfXmpPacket;
Output: TMemoryStream;
begin
Output := TMemoryStream.Create;
try
Pdf := TPdf.Create(nil);
try
Pdf.FileName := FileName;
Pdf.Active := True;
Packet := Pdf.ReadXmpPacket;
if Packet = nil then
raise Exception.CreateFmt('%s has no XMP packet', [FileName]);
try
Packet.SetSimpleValue(InvoiceNs, 'inv', 'InvoiceNumber', 'INV-2026-0412');
if not Pdf.SaveAsWithXmpPacket(Output, Packet) then
raise Exception.Create('Saving the edited packet failed');
finally
Packet.Free;
end;
finally
Pdf.Free;
end;
Output.Position := 0;
PrintExtensionIssues(Output);
finally
Output.Free;
end;
end;
Der vordefinierte Satz wanderte zwischen XMP 2004 und ISO 16684-1
Teil 1 und Teil 2 sind sich uneinig, was vordefiniert heißt. ISO 19005-1 §6.7.2 zeigt auf die XMP Specification vom Januar 2004, ISO 19005-2 §6.6.2.3.1 auf ISO 16684-1, deren Liste länger ist. Die Lücke zeigt sich in Alltagsdateien an crs (Camera-Raw-Einstellungen), aux (zusätzliche EXIF-Daten) und xmpDM (Dynamic Media), die die TechNote 0008 des PDF/A Competence Center als neu in der XMP-2005-Spezification fußnotiert. Eine Property crs:AutoBrightness oder xmpDM:videoColorSpace braucht unter Teil 1 eine Beschreibung und ist ab Teil 2 vordefiniert. Das öffentliche veraPDF-Korpus hat PDF/A-1b-Fehlerdateien, die genau eine solche Property und sonst nichts ergänzen, während veraPDFs eigener Testdatei-Builder einen Camera-Raw- oder Dynamic-Media-Hinweis in seine PDF/A-2b-Dateien schreibt, also liegt ein Prüfer, der blind gegenüber der Teilenummer ist, auf einer Seite falsch. Auch Deklarationen haben sich verschoben: photoshop:SupplementalCategories ist in 2004 Text und in ISO 16684-1 ein Bag of Text, also scheitert die Bag-Form an PDF/A-1 und ist in PDF/A-2 korrekt
Der umgekehrte Shortcut scheitert ebenfalls. Alles außerhalb der zehn Schema-Tabellen der TechNote 0008 als Extension zu bezeichnen, würde die sType-Strukturen und den Identifier-Qualifier-Namespace flaggen, die gewöhnliche xmpMM:History-Einträge benutzen, und die TechNote 0008 erlaubt diese URIs in PDF/A-1. PDFium Component liest den Teil aus pdfaid:part: Ein Teil-1-Paket ohne Beschreibungsblock, das crs, aux oder xmpDM benutzt, bekommt pvaiMissingExtensionSchema, ein Teil-2-Paket bekommt keinen Extension-Schema-Befund. Streichen Sie für PDF/A-1-Ausgabe Camera-Raw- und Dynamic-Media-Properties, die niemand im Downstream liest. Eine volle crs-Beschreibung läuft auf Dutzende Einträge hinaus, jeder eine Gelegenheit für einen Entry-Missing-Befund
Geforderte Präfixe und das abschließende # in den Schema-URIs
XML-Namespaces lassen einen Writer normalerweise jeden Präfix wählen. §6.7.8 nimmt dem Beschreibungsvokabular diese Freiheit und gibt jeder Struktur eine URI und einen geforderten Präfix: pdfaSchema, pdfaProperty, pdfaType für einen Value Type und pdfaField für ein Feld davon; ISO 19005-2 §6.6.2.3.2 wiederholt alle vier. http://www.aiim.org/pdfa/ns/property# an nonpdfaProperty zu binden, ist äquivalentes XML und scheitert dennoch, und die veraPDF-Korpusdateien zu dieser Klausel halten jede URI korrekt und benennen einen Präfix um. Ihr eigenes Schema ist eine andere Sache: pdfaSchema:prefix hält einen bevorzugten Präfix fest, inv ist also eine Empfehlung. Halten Sie ihn dennoch gleich dem Präfix, den das Paket bindet
Die URIs haben eine Marotte. Der Prosa-Text von ISO 19005-1 §6.7.8 druckt http://www.aiim.org/pdfa/ns/schema ohne abschließendes #, während seine Tabellen und konforme Dateien die URI mit einem enden lassen, also matcht ein strikter Vergleich gegen die Prosa nichts. PDFium Component streicht ein abschließendes # auf beiden Seiten, bevor es vergleicht. Schreiben Sie die #-Form und kopieren Sie Ihren eigenen Namespace Zeichen für Zeichen in pdfaSchema:namespaceURI. Der Schlusssatz von ISO 19005-2 §6.6.2.3.2 verlangt dann jedes Feld, das die Tabellen von §6.6.2.3.3 listen, und eine Lücke wird als pvaiExtensionSchemaEntryMissing gemeldet:
- Schema (
pdfaSchema):schema,namespaceURIundprefix, plus die ListenpropertyundvalueType, die ein Schema ohne Erklärungspflicht auslassen darf - Property (
pdfaProperty):name,valueType,categoryunddescription, wobeicategoryentwederinternaloderexternalist - Value Type (
pdfaType):type,namespaceURI,prefix,descriptionundfield, gefordert, weil ein eigener Value Type eine Struktur ist - Field (
pdfaField):name,valueTypeunddescription
Wie schreibt man einen strukturierten Eintrag in RDF/XML?
Auf jede von dreien, solange das Eintragselement eine Struktur bleibt. ISO 32000-2 §14.3.2 übergibt die Grammatik eines Metadaten-Streams an ISO 16684-1, das XMP als Teilmenge von RDF/XML schreibt. Die Kurzform setzt rdf:parseType="Resource" auf das rdf:li und listet die Felder darunter auf; die Langform wickelt sie in ein verschachteltes rdf:Description, und beide bedeuten dieselbe anonyme Struktur. Eine dritte Schreibweise verlagert reine Textfelder in Attribute an jenem rdf:Description. Dort passt nur Text: pdfaSchema:property hält eine Sequenz und bleibt ein Element. Nimmt man rdf:parseType aus einem Kurzform-Eintrag, ist das Ergebnis kein RDF/XML. Ein Parser erwartet dann Text oder ein Knotenelement im rdf:li, hält pdfaSchema:schema für einen typisierten Knoten, und ein Knotenelement darf keinen Nicht-Whitespace-Text halten, also bricht das erste Feld bereits die Grammatik. Ein XSLT, das Listeneinträge neu baut, oder ein Template, das den Block aus einem Dictionary regeneriert, kann das Attribut verlieren, während jedes Element bleibt. Lesen Sie so eine Ausgabe mit einem anderen RDF-Parser zurück als dem, der sie schrieb, um den Schaden zu sehen
<!-- Kurzform: das Rechnungs-Schema vollständig beschrieben -->
<rdf:li rdf:parseType="Resource">
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
<pdfaSchema:namespaceURI>http://ns.example.com/invoice/1.0/</pdfaSchema:namespaceURI>
<pdfaSchema:prefix>inv</pdfaSchema:prefix>
<pdfaSchema:property>
<rdf:Seq>
<rdf:li rdf:parseType="Resource">
<pdfaProperty:name>InvoiceNumber</pdfaProperty:name>
<pdfaProperty:valueType>Text</pdfaProperty:valueType>
<pdfaProperty:category>external</pdfaProperty:category>
<pdfaProperty:description>Invoice number assigned by the ERP</pdfaProperty:description>
</rdf:li>
</rdf:Seq>
</pdfaSchema:property>
</rdf:li>
<!-- Langform: dieselbe Struktur als verschachtelter Knoten -->
<rdf:li>
<rdf:Description>
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
...
</rdf:Description>
</rdf:li>
<!-- Attribut-Kurzschreibweise: Textfelder als Attribute, die Liste bleibt ein Element -->
<rdf:li>
<rdf:Description pdfaSchema:schema="Invoice data from the ERP"
pdfaSchema:namespaceURI="http://ns.example.com/invoice/1.0/"
pdfaSchema:prefix="inv">
<pdfaSchema:property>...</pdfaSchema:property>
</rdf:Description>
</rdf:li>
PDFium Component bewahrt die Schreibweise, die ankam. Jeder Wert im TPdfXmpPacket, das TPdf.ReadXmpPacket zurückgibt, hält den rdf:parseType seines Quellelements fest, Resource, Literal oder Collection, und ToXml schreibt ihn zurück; eine Struktur ohne Eintrag geht mit rdf:parseType="Resource" hinaus. Dieser Writer dient SaveAsWithXmpPacket und NormalizePdfAMetadata, dem Aufruf, der Info-Einträge und ihre XMP-Pendants in Einklang bringt, und ein Extension-Block in jeder der drei Schreibweisen validiert vor und nach einem Lese-und-Speicher-Zyklus gleich. Schreiben Sie neue Einträge in der Kurzform. Jedes Feld bleibt ein Element, was Bearbeitungen einheitlich hält, und es passt zum pdfaid-Eintrag, den SaveAsPdfA schreibt
Die eigene Beschreibung zum bereits vorhandenen Container hinzufügen
Verschmelzen Sie den neuen Eintrag in das vorhandene rdf:Bag. Ein Container pro Paket. veraPDFs XMP-Parser weist ein Paket mit einem zweiten pdfaExtension:schemas-Element zurück (Duplicate property or field node 'pdfaExtension:schemas'), und die Fehler landen auf den allgemeinen Metadaten-Regeln. Jede Property braucht einen Namen, einen Value Type, eine Kategorie und eine Beschreibung — die Einträge, die eine Factur-X-Rechnung ausfüllt, um ihre fx-Properties in einem Extension Schema zu deklarieren. Das Listing fügt vor </rdf:Bag> ein Kurzform-Element ein, das ToXml auf die eigene Zeile des Containers schreibt. Das Element deklariert pdfaSchema und pdfaProperty selbst, also parst es überall gleich, wo es landet
const
ExtensionNs = 'http://www.aiim.org/pdfa/ns/extension/';
ContainerEnd = '</rdf:Bag></pdfaExtension:schemas>';
TopDescriptionEnd = '</rdf:Description>'#10' </rdf:RDF>';
function InvoiceSchemaItem: string;
begin
Result := '<rdf:li rdf:parseType="Resource"' +
' xmlns:pdfaSchema="http://www.aiim.org/pdfa/ns/schema#"' +
' xmlns:pdfaProperty="http://www.aiim.org/pdfa/ns/property#">' +
'<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>' +
'<pdfaSchema:namespaceURI>' + InvoiceNs + '</pdfaSchema:namespaceURI>' +
'<pdfaSchema:prefix>inv</pdfaSchema:prefix>' +
'<pdfaSchema:property><rdf:Seq><rdf:li rdf:parseType="Resource">' +
'<pdfaProperty:name>InvoiceNumber</pdfaProperty:name>' +
'<pdfaProperty:valueType>Text</pdfaProperty:valueType>' +
'<pdfaProperty:category>external</pdfaProperty:category>' +
'<pdfaProperty:description>Invoice number assigned by the ERP' +
'</pdfaProperty:description>' +
'</rdf:li></rdf:Seq></pdfaSchema:property></rdf:li>';
end;
// True, wenn ein Schema-Eintrag Uri beschreibt, in welcher Schreibweise auch immer
function DescribesNamespace(const V: TPdfXmpValue; const Uri: string): Boolean;
var
Q: Integer;
begin
for Q := 0 to High(V.Qualifiers) do // Felder als Attribute am rdf:li
if (V.Qualifiers[Q].Name = 'namespaceURI') and
(string(V.Qualifiers[Q].Value) = Uri) then
Exit(True);
Result := (Pos('>' + Uri + '</', string(V.RawXml)) > 0) or // Elemente
(Pos('namespaceURI="' + Uri + '"', string(V.RawXml)) > 0); // Attribute
end;
// Gibt ein neues Paket zurück; der Aufrufer gibt es frei
function WithInvoiceSchema(Packet: TPdfXmpPacket): TPdfXmpPacket;
var
Xml: string;
Index, J, P: Integer;
HasContainer: Boolean;
begin
HasContainer := Packet.TryGetProperty(ExtensionNs, 'schemas', Index);
if HasContainer then
for J := 0 to High(Packet.Properties[Index].Values) do
if DescribesNamespace(Packet.Properties[Index].Values[J], InvoiceNs) then
Exit(Packet.Clone); // bereits beschrieben
Xml := Packet.ToXml;
P := Pos(ContainerEnd, Xml);
if P > 0 then
Insert(InvoiceSchemaItem, Xml, P) // dem vorhandenen Bag beitreten
else if HasContainer then
raise EPdfXmpError.Create('Extension container uses an unexpected prefix')
else
begin
P := Pos(TopDescriptionEnd, Xml);
if P = 0 then
raise EPdfXmpError.Create('Unexpected XMP packet layout');
Insert('<pdfaExtension:schemas xmlns:pdfaExtension="' + ExtensionNs +
'"><rdf:Bag>' + InvoiceSchemaItem + ContainerEnd + #10' ', Xml, P);
end;
Result := TPdfXmpPacket.Parse(Xml);
end;
procedure TagInvoice(const SourceFile, TargetFile, InvoiceNo: string);
var
Pdf: TPdf;
Packet, Described: TPdfXmpPacket;
Written: TFileStream;
begin
Pdf := TPdf.Create(nil);
try
Pdf.FileName := SourceFile;
Pdf.Active := True;
Packet := Pdf.ReadXmpPacket;
if Packet = nil then
raise Exception.CreateFmt('%s has no XMP packet', [SourceFile]);
Described := nil;
try
Packet.SetSimpleValue(InvoiceNs, 'inv', 'InvoiceNumber', InvoiceNo);
Described := WithInvoiceSchema(Packet);
if not Pdf.SaveAsWithXmpPacket(TargetFile, Described) then
raise Exception.CreateFmt('Could not write %s', [TargetFile]);
finally
Described.Free;
Packet.Free;
end;
finally
Pdf.Free;
end;
Written := TFileStream.Create(TargetFile, fmOpenRead or fmShareDenyWrite);
try
PrintExtensionIssues(Written); // aus dem ersten Listing
finally
Written.Free;
end;
end;
Erwartet: Für eine von SaveAsPdfA geschriebene PDF/A-1-, -2- oder -3-Quelle druckt TagInvoice die Konformitätszeile und keinen der vier Extension-Schema-Werte, mit dem Rechnungseintrag in der Kurzform neben dem pdfaid-Eintrag. Ein zweiter Lauf lässt das Bag in Ruhe, welche Schreibweise der vorhandene Eintrag auch benutzt: DescribesNamespace durchsucht RawXml und, bei Attributen an einem leeren rdf:li, die Qualifier. Ein Container unter anderem Präfix wirft eine Exception, denn ein frischer wäre das Duplikat, das veraPDF verweigert. Wenn die ERP ein Fälligkeitsdatum ergänzt, erweitern Sie die vorhandene pdfaSchema:property-Sequenz
Prüft PDF/A-4 Extension Schemas überhaupt?
Nein. ISO 19005-4 §6.7.2.1 behält nur Regeln auf Paketebene: den Metadata-Key des Catalogs, die veralteten Header-Attribute bytes und encoding, wohlgeformtes XML und UTF-8. Eine unbeschriebene Property, eine Beschreibung unter nonpdfaSchema und eine mit fehlendem pdfaSchema:schema lassen eine Datei im veraPDF-PDF/A-4-Profil konform bleiben, und PDFium Component fährt seine vier Extension-Schema-Prüfungen nur, wenn pdfaid:part 1, 2 oder 3 ist. Das Identifikationsschema behält seine Regeln überall. Unter §6.7.3 von Teil 4 muss sein Namespace weiterhin an pdfaid gebunden sein, und sein Property-Satz wächst mit dem Teil: part, conformance und, seit Amendment 1 von 2007, amd in Teil 1, corr ab ISO 19005-2 §6.6.4, rev in Teil 4. Ein falscher Präfix wird in jedem Teil als pvaiXmpIdPrefixWrong gemeldet und ein zusätzlicher Name als pvaiXmpIdPropertyUnknown
Um Teile an einem Dokument zu vergleichen, ändern Sie das Paket und nichts sonst: die Namespace-Bindung innerhalb des XMP einfügen und genauso viele Bytes Whitespace zwischen den Tags löschen, damit /Length, die Cross-Reference-Offsets und der %PDF-2.0-Header an Ort und Stelle bleiben. Ein pypdf-Rewrite kann eine PDF/A-4-Datei mit einem %PDF-1.3-Header zurückgeben, dessen Fehler das Metadaten-Ergebnis begraben. Für Produktionsausgabe schreiben Sie die Beschreibung auch in PDF/A-4-Pakete: Sie kostet ein paar hundert Bytes, der Validator in der PDFium Component lässt sie unter Teil 4 in Ruhe, und das Paket kann später unverändert in ein PDF/A-3-Deliverable wandern