Technischer Artikel

PDF/UA-1 gegen PDF/UA-2: Barrierefreiheitsregeln im Wandel

Eine interne PDF/UA-1-Checkliste kassiert einen PDF/UA-2-Export, den veraPDF bestehen lässt, und flaggt eine Figur mit dem Tag /ActualText (), Link-Annotationen ohne /Contents und einen Strukturbaum, der Namespaces mischt. Alle drei sind konform zu ISO 14289-2:2024, also muss der Regelsatz dem Teil folgen, das jede Datei deklariert — das ist das Erste, was TPdf.ValidatePdfUa in PDFium Component liest

Das deklarierte pdfuaid:part schaltet den PDF/UA-Regelsatz in PDFium Component für Delphi um, wo ein Issue-Wert unter PDF/UA-1 und PDF/UA-2 unterschiedliche Regeln bedeutet
Der in XMP deklarierte Teil wählt den Regelsatz, und derselbe Issue-Wert kann über PDF/UA-1 und PDF/UA-2 hinweg zwei verschiedene Regeln benennen

Der deklarierte Teil entscheidet, welche Regeln gelten

Jede PDF/UA-Datei nennt ihren Teil in den XMP-Metadaten mit pdfuaid:part, und PDF/UA-2 ergänzt zwei eigene Bedingungen: einen Revisionseintrag und eine Datei, die PDF 2.0 deklariert. Diese Deklaration ist der Schalter. TPdf.ValidatePdfUa gibt ein TPdfUaValidationResult zurück, dessen Conformance-Feld puc1 oder puc2 meldet, pucNone für eine Datei, die nachweislich keinen PDF/UA-Anspruch stellt, oder pucUnknown, wenn sich der Anspruch nicht bestimmen lässt, und dessen Issues-Set nur die Befunde hält, die für diesen Teil gelten. Manche Issue-Werte stehen in Teil 1 für eine Regel und in Teil 2 für eine weitere. pvuaiActionTargetMissing heißt bei einer Teil-1-Datei, dass einer GoToR-, URI- oder SubmitForm-Aktion ihr Ziel-Key fehlt (§7.18.5); bei einer Teil-2-Datei kann es auch ein Ziel bedeuten, das nicht zu einem Strukturelement führt (§8.8). pvuaiAnnotationMissingContents schließt bei einer Teil-2-Datei Widgets ein, die kein Label haben. Drucken Sie also den Teil neben jeden Report:

uses
  SysUtils, TypInfo, PDFium, FPdfPdfua;

procedure ReportPdfUa(const FileName: string);
const
  PartNames: array[TPdfUaConformance] of string =
    ('unknown', 'not PDF/UA', 'PDF/UA-1', 'PDF/UA-2');
var
  Pdf: TPdf;
  Report: TPdfUaValidationResult;
  Issue: TPdfUaValidationIssue;
begin
  Pdf := TPdf.Create(nil);
  try
    Pdf.FileName := FileName;
    Pdf.Active := True;
    if not Pdf.Active then
      raise Exception.CreateFmt('Cannot open %s', [FileName]);

    Report := Pdf.ValidatePdfUa;
    Writeln(Format('%s: %s, compliant=%s', [ExtractFileName(FileName),
      PartNames[Report.Conformance], BoolToStr(Report.IsCompliant, True)]));
    for Issue := Low(TPdfUaValidationIssue) to High(TPdfUaValidationIssue) do
      if Issue in Report.Issues then
        Writeln('  ', GetEnumName(TypeInfo(TPdfUaValidationIssue), Ord(Issue)));
  finally
    Pdf.Free;
  end;
end;

IsCompliant ist nur true, wenn der Teil 1 oder 2 ist und das Issue-Set leer, also meldet sich eine Datei ohne PDF/UA-Anspruch nie versehentlich als konform. Der Vergleich mit veraPDF hat eine eigene Haken. Das Kommandozeilen-Tool beendet sich mit Code 1 bei einer nicht konformen Datei. Es schreibt den vollständigen XML-Report trotzdem in die Standardausgabe, und ein Skript, das am Exit-Code stoppt, wirft die Regelnummern weg. Lesen Sie den Report

Welche UA-1-Beschwerden sind unter PDF/UA-2 Fehlalarme?

Jede Beschwerde im Eingangsbeispiel wendet eine Regel an, die PDF/UA-2 in dieser Form nicht enthält. Beginnen Sie mit der Figur, wo der Fehler meist im Parsing-Code sitzt. ISO 14289-2 §8.2.5.28.2 verlangt von einer Figure einen /Alt- oder /ActualText-Key, und der Test ist, ob der Key existiert: /ActualText () ist konform, und nur eine Figur ohne beide Keys scheitert. Ein Reader, der beide Werte in schlichten Strings hält, kollabiert „vorhanden aber leer“ und „abwesend“ auf dasselbe '', und der Prüfer meldet dann fehlenden Alternativtext an einer Figur, die ihn hat. Speichern Sie ein Presence-Flag neben jedem String, wenn Sie das Strukturelement parsen. Ein leeres /ActualText ist eine schwache Beschreibung, die ein menschlicher Prüfer trotzdem sehen will, aber ein Teil-2-Validator hat keinen Grund, sie scheitern zu lassen

Die Link-Regel ist weg. PDF/UA-1 §7.18.5 verlangt von jeder Link-Annotation ein /Contents; PDF/UA-2 stellt keine Annotation-Key-Regel an ihre Stelle und legt die Struktur in §8.2.5.20 fest. Annotationen, die zu unterschiedlichen Zielen führen, müssen in separaten Link- oder Reference-Strukturelementen sitzen, also scheitert ein einzelnes Link-Element, das sowohl einen Sprung zu Kapitel 2 als auch eine URI zu einer externen Seite umschließt, an Teil 2, selbst wenn beide Annotationen ein /Contents tragen. Die beiden Teile prüfen verschiedene Dinge — den Text auf der Annotation im einen, die Gruppierung im Baum im anderen. PDFium Component wendet die Link-/Contents-Anforderung nur auf Dateien an, die Teil 1 deklarieren

Die Namespace-Beschwerde kommt vom Lesen des falschen Dokuments. ISO 14289-2 §8.2.4 hält vier Regeln: Ein nicht-standardmäßiger Strukturtyp muss auf einen Standardtyp mappen, kein Mapping darf zirkulär sein, kein Typ darf innerhalb desselben expliziten Namespace mappen, und kein Standardtyp darf auf einen nicht-standardmäßigen umgemappt werden. ISO/TS 32005 §5.3 ergänzt eine Empfehlung für Dokumente, die Namespaces mischen — für die Typen, die sie teilen, den PDF-2.0-Namespace benutzen — und diese Empfehlung gehört nicht zu den PDF/UA-2-Konformitätsbedingungen. Eine Checkliste, die an §5.3 hart scheitert, weist gültige gemischte Bäume zurück, etwa einen PDF-2.0-Baum, der MathML-Formeln trägt. Einen eigenen Typ über /RoleMapNS auf einen Standardtyp aufzulösen ist ein eigenes Stück Arbeit, gezeigt in PDF/UA-2-Validierung mit Role Maps und Namespaces

Drei PDF/UA-1-Checklisten-Beschwerden, die unter ISO 14289-2 bestehen: leeres ActualText an Figuren, Link-Annotationen und Namespace-Mischung, so wie PDFium Component sie in Delphi nach Teil trennt
Jede Beschwerde wendet eine Regel an, die PDF/UA-2 in dieser Form nicht enthält, also gehört die Prüfung hinter den deklarierten Teil statt in eine gemeinsame Checkliste

Regeln, die PDF/UA-2 ergänzt oder verschärft hat

Die Gegenrichtung ist die teure. Eine UA-1-Checkliste lässt die folgenden Dateien durch, und die Fehler erscheinen erst, wenn jemand einen Teil-2-Validator laufen lässt:

  • Widgets brauchen ein Label oder eine Beschreibung. PDF/UA-1 §7.18.1 nimmt Widget-Annotationen von /Contents aus, weil das Form-Tag aus §7.18.4 sie abdeckt. PDF/UA-2 §8.10.2.3 verlangt /Contents an jedem Widget, dessen Strukturelement kein Lbl-Kind hat. Der /TU-Tooltip des Felds zählt nicht als Label
  • Dateianhänge geben ihre Beziehung an. §8.9.2.4.10 verlangt von der File-Specification einer FileAttachment-Annotation ein /AFRelationship — Source, Data, Alternative, Supplement und die übrigen Werte, die PDF/A-3 bereits für zugeordnete Dateien und AFRelationship benutzt
  • Überschriften sind nummeriert. PDF/UA-1 akzeptiert das generische H-Tag oder nummerierte H1…Hn-Überschriften, solange ein Dokument sie nicht mischt (§7.4.4). PDF/UA-2 §8.2.5.12 verbietet das generische H kategorisch, also braucht ein Tagging-Schema auf schlichten H-Elementen ein Remapping, bevor der Export Teil 2 beanspruchen kann
  • Ziele führen zu Struktur. §8.8 verlangt, dass Navigationsziele Strukturziele im Sinn von ISO 32000-2 §12.3.2.3 sind: ein Ziel-Array, dessen erstes Element ein Strukturelement ist, oder eine GoTo-Aktion mit /SD

Fassen Sie die alten Regeln nicht an. Wenn eine Checkliste Teil-2-Abdeckung bekommt, ist die naheliegende Änderung, die §7.18.1-Widget-Ausnahme zu streichen, damit Widgets ohne /Contents geflaggt werden — und diese Änderung lässt konforme Teil-1-Formulare an einer Regel scheitern, die ihr Standard nie hatte. Ergänzen Sie die Teil-2-Widget-Prüfung neben der Ausnahme und schalten sie hinter den deklarierten Teil. Genau so meldet PDFium Component die Widget-Regel — die Teil-1-Ausnahme bleibt in Kraft, und ein Teil-2-Widget ohne Label oder /Contents erscheint als pvuaiAnnotationMissingContents

Matrix von PDF/UA-1 gegen PDF/UA-2 bei Widget-Labels, AFRelationship, generischen Überschriften und Strukturzielen, die vier Prüfungen, die PDFium Component je Teil in Delphi schaltet
Die Teil-2-Ergänzungen laufen neben den Teil-1-Regeln statt sie zu ersetzen, was konforme PDF/UA-1-Formulare in PDFium Component für Delphi bestehen lässt

Wie testet man ein Strukturziel ohne Fehltreffer?

Lesen Sie den Key, von dem die Spezifikation sagt, dass er gewinnt. ISO 32000-2 Tabelle 202 macht /D an jeder GoTo-Aktion zur Pflicht und /SD optional, und sagt, das Strukturziel solle Vorrang haben, wenn beide vorliegen. Ein konformer Teil-2-Link trägt deshalb oft ein Seitenziel wie /D [6 0 R /Fit] für ältere Reader und daneben /SD [19 0 R /Fit]. Eine selbstgebaute Prüfung, die /D liest, findet eine Seite, meldet ein Ziel, das kein Strukturziel ist, und kassiert die Datei. Bei Aktionen: /SD ansehen. Bei einem nackten Ziel-Array seinem ersten Element folgen und fragen, ob das referenzierte Dictionary ein Strukturelement ist, was in Bytes ein Dictionary mit einem Top-Level-/S-Key bedeutet

Top-Level ist der harte Teil. Ein Page-Dictionary trägt routinemäßig /Group << /S /Transparency >> für seine Transparenzgruppe, und eine Key-Suche, die verschachtelte Dictionarys nicht überspringt, findet das innere /S und entscheidet, die Seite sei ein Strukturelement, also geht ein schlichtes Seitenziel durch. Scannen Sie nur die Keys des äußeren Dictionarys und überspringen Sie jeden Wert als ein komplettes Objekt, verschachtelte Dictionarys und Arrays eingeschlossen. Der ParentTree, der die /StructParent einer Annotation zurück zu ihrem Strukturelement mappt, verlangt dieselbe Sorgfalt. Sein /Nums-Array kann einen Key mit einer einzelnen Referenz paaren (0 26 0 R) oder mit einem Array (0 [null 20 0 R]), und in der Array-Form wird die Position innerhalb des Arrays zum Key addiert, um an den /StructParent-Wert zu kommen. Ein Parser, der nur die erste Form kennt, lässt Annotationen der zweiten ohne Struktur-Parent, und die Gruppierungsregel aus §8.2.5.20 hat dann nichts zum Vergleichen. Fahren Sie diese Prüfungen ebenfalls auf den Bytes, wie geladen: eine neu gespeicherte oder normalisierte Kopie kann Annotationsobjekte neu nummerieren und den Number Tree neu bauen, denselben Baum, den Sie umschreiben, wann immer Sie nach dem Bearbeiten von Seiten /ParentTree und /StructParents synchron halten

Welche Sprach-Tags bestehen die /Lang-Prüfung?

Die Grammatik hat sich zwischen den Teilen nicht geändert (ISO 14289-1 §7.2, ISO 14289-2 §8.4.4); lasche Checklisten verpassen sie trotzdem. veraPDF drückt sie als ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$ aus: ein erster Subtag aus ein bis acht Buchstaben, dann beliebig viele Subtags aus ein bis acht Buchstaben oder Ziffern, jeder eingeleitet durch einen Bindestrich. Die Grenzen sind scharf. portugue-pt besteht und portugues-pt scheitert an seinem ersten Subtag aus neun Buchstaben; nl-1234abcd besteht und nl-1234abcde scheitert; 1-pt und -pt scheitern am ersten Zeichen. Eine Prüfung, die nur auf Buchstaben, Ziffern und Bindestriche testet, akzeptiert alle vier Fehler. Das /Lang des Catalogs und das /Lang jedes Strukturelements brauchen einen gemeinsamen Test, sonst sammelt dasselbe Tag zwei Urteile in einer Datei. Ein als UTF-16BE-String gespeichertes Tag, etwa <FEFF0045004E002D00550053>, wird zuerst dekodiert; es liest sich EN-US und besteht. Schlechte Tags kommen oft aus einer biederen Ecke: Locale-Strings aus Java, ICU oder Datenbankeinstellungen benutzen Underscores, und pt_BR ist kein gültiges Tag. IsPdfUaLanguageTagValid wendet denselben Formtest an, also lässt sich ein Tag reparieren, bevor es geschrieben wird:

uses
  SysUtils, PDFium;

// Eine Plattform-Locale wie pt_BR in ein Tag verwandeln, das PDF/UA akzeptiert,
// oder '' zurückgeben, wenn eine simple Ersetzung es nicht reparieren kann
function LocaleToPdfLang(const Locale: string): string;
begin
  Result := StringReplace(Trim(Locale), '_', '-', [rfReplaceAll]);
  if not IsPdfUaLanguageTagValid(Result) then
    Result := '';
end;

procedure CheckTags;
const
  Samples: array[0..6] of string = ('en-US', 'pt_BR', 'zh_CN',
    'portugue-pt', 'portugues-pt', 'nl-1234abcd', 'nl-1234abcde');
var
  S: string;
begin
  // Erwartet:
  //   en-US, portugue-pt, nl-1234abcd   gültig wie geschrieben
  //   pt_BR, zh_CN                      ungültig, repariert zu pt-BR / zh-CN
  //   portugues-pt, nl-1234abcde        ungültig, repariert zu ''
  for S in Samples do
    Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
      BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;

Rufen Sie die Konvertierung dort auf, wo das Tag in Ihre Pipeline eintritt, bevor es den Catalog oder ein Strukturelement erreicht. Ein leeres Ergebnis ist das Signal, auf eine Sprache zurückzufallen, die das Dokument nachweislich benutzt. Den rohen Locale-String trotzdem zu schreiben, verlagert den Fehler nur nach unten in den Stream, wo er als pvuaiLangInvalidFormat für den Catalog oder als pvuaiStructElementLangInvalid für ein Element auftaucht, weit weg vom Code, der ihn erzeugt hat

Beginnen Sie die Migration mit dem Export aus dem Eingangsabsatz. Schicken Sie ihn durch ReportPdfUa aus dem ersten Listing, mit der PDFium Component für Delphi: Die Kopfzeile sollte PDF/UA-2 nennen, und weder pvuaiFigureMissingAlt noch pvuaiLinkMissingContents noch pvuaiNamespaceReuseInvalid sollte darunter auftauchen. Jede Beschwerde, die Ihre alte Checkliste an dieser Datei noch erhebt, markiert eine Teil-1-Regel, die hinter den deklarierten Teil gehört