Artículo técnico

Incrustar fuentes faltantes en PDF para PDF/A en Delphi

Un PDF de proveedor se ve perfecto en pantalla, y aun así el validador PDF/A lo rechaza con una línea: 00030 At least one font is not embedded. El visor estuvo pidiendo fuentes prestadas a su máquina todo el tiempo. Abra el descriptor de fuente dentro del archivo y casi todo lo que una fuente incrustada necesita ya está ahí, hasta el ancho del tallo y el bounding box; lo que falta es una referencia de stream que sostenga el programa de la fuente mismo

La versión por lotes de esto le resulta familiar a quien corra un pipeline de ingesta de archivos. Facturas, contratos y formularios escaneados llegan de proveedores y burós, cada escritorio del edificio los renderiza bien, y el validador rechaza archivo tras archivo con esa misma línea. Nadie aguas arriba va a regenerar nada. El pipeline tiene que arreglar lo que recibe, y ese es el trabajo que este artículo cubre. Su compañero, el artículo sobre detectar violaciones PDF/A y PDF/UA con el reporte de preflight, le dice qué archivos están rotos; este se ocupa de la manera más frecuente en que se rompen

Lo que el error 00030 realmente pide

ISO 19005-1 §6.3.4 exige que toda fuente usada por un archivo conforme cargue su programa de fuente dentro de ese archivo. El razonamiento es lógica de archivo pura. Un documento abierto cincuenta años desde ahora, en una máquina que no comparte fuentes con la que lo produjo, tiene que renderizarse idéntico, y una fuente no incrustada es apenas una instrucción de ir a buscar algo llamado Arial al sistema que casualmente esté leyendo. Los glifos y las métricas que tenga el sustituto, eso es lo que el lector ve

El hábito de no incrustar se remonta a la convención de las Standard 14. El PDF temprano prometía que cada visor trae Helvetica, Times, Courier, Symbol y ZapfDingbats, así que los generadores aprendieron a referenciarlas por nombre y no incrustar nada. Montones de herramientas aún lo hacen. PDF/A revoca esa exención, y losLab PDF Library for Delphi la aplica del lado del escritor: con modo PDF/A o PDF/X activo, AddStandardFont devuelve 0 sin seleccionar fuente, porque la librería no empaqueta los contornos de las Standard 14 y no escribirá una referencia que no pueda respaldar con un programa. AddTrueTypeFont con Embed=0 se promueve a incrustación completa bajo modo PDF/A, mientras que Embed=2 (subset) pasa sin cambios ya que un subset sigue siendo un programa incrustado

Eso cubre los archivos que usted escribe. El archivo de un proveedor es más difícil, porque los diccionarios de fuente los escribió el generador de otra persona y usted no tiene forma de pedirle un segundo intento. Para esos archivos la librería provee EmbedMissingFonts, que repara un documento cargado en su lugar copiando cada programa faltante desde las fuentes instaladas hacia el descriptor que el documento ya lleva

¿Por qué una fuente no incrustada necesita solo una clave extra?

Un generador que escribe una fuente TrueType no incrustada igual produce un FontDescriptor completo: FontName, FontBBox, Flags, Ascent, Descent, StemV, CapHeight. Lo que deja fuera es el stream que sostiene el programa de la fuente, referenciado desde el descriptor como /FontFile2 para contornos TrueType o /FontFile3 para fuentes CID basadas en CFF. Así que EmbedMissingFonts agrega exactamente eso. Lee los bytes del programa, los escribe como un stream nuevo comprimido con Flate y una entrada /Length1, y adjunta la referencia al descriptor que ya está ahí

Diagrama de PDF Library for Delphi de un diccionario FontDescriptor antes y después de EmbedMissingFonts: cada entrada ya presente y solo el stream FontFile2 faltante anexado desde la fuente del sistema instalada
EmbedMissingFonts anexa una referencia de stream a un descriptor que ya está completo

Cremos que este enfoque en el lugar es el default correcto para archivos heredados, y la razón es el arreglo Widths. Las posiciones del texto en un content stream PDF ya están fijadas; el visor avanza con los anchos que el generador original registró. Reconstruir el diccionario de fuente desde la fuente instalada reemplazaría esos anchos con unos recién medidos, y si la versión instalada de la cara difiere aunque sea levemente de la del autor, usted cambió el documento que se suponía debía preservar. Dejar el diccionario, la codificación, los anchos y cada content stream intactos significa que las páginas siguen apuntando a los mismos nombres de recurso con las mismas métricas

El recorrido cubre cada diccionario Font del archivo, no solo los alcanzables desde los recursos de página, así que las fuentes usadas solo en apariencias de anotaciones o compartidas entre páginas también se recogen. Las fuentes compuestas Type0, la clase producida para texto CJK y la mayoría de la salida Unicode moderna, se manejan a través de su CIDFont descendiente. Toda la reparación es una llamada sobre un documento cargado:

var
  PDF: TPDFlib;
  Repaired: Integer;
begin
  PDF := TPDFlib.Create;
  try
    if PDF.LoadFromFile('supplier-invoice.pdf', '') <> 1 then
      raise Exception.Create('Could not load PDF');

    // Devuelve cuántas fuentes ganaron un programa. Las fuentes ya
    // incrustadas se dejan tranquilas; las fuentes sin match instalado
    // se saltan y simplemente no se cuentan.
    Repaired := PDF.EmbedMissingFonts;
    Writeln(Format('%d font program(s) embedded', [Repaired]));

    PDF.SaveToFile('supplier-invoice-repaired.pdf');
  finally
    PDF.Free;
  end;
end;

Cómo la búsqueda de fuentes instaladas empareja nombres

Los nombres BaseFont en archivos reales rara vez coinciden con el nombre de familia que Windows conoce. EmbedMissingFonts normaliza cada nombre antes de la búsqueda:

  • Un prefijo de subset (seis letras mayúsculas y un signo de más, como en KQBWTE+Calibri) se quita
  • Cualquier cosa después de la primera coma o guion se lee como el estilo, así que Arial,BoldItalic y Arial-BoldMT ambas piden una cara en negrita, y Italic u Oblique pide una itálica
  • Los sufijos finales MT y PS se sueltan, así que ArialMT se resuelve a Arial
  • Cuando la cara vive dentro de una TrueType Collection (.ttc), los offsets de tabla se ajustan para que el programa incrustado sea una fuente válida independiente

El problema más duro es que el mapeador de fuentes de Windows jamás dice no. Pídale a GDI una familia que no está instalada y le devuelve una cara sustituta sin queja; pídale negrita en una familia que solo tiene cara regular y engrosa los contornos en pantalla. Cualquiera de los dos resultados le daría un programa de fuente perfectamente cargable que es la fuente equivocada. Así que la búsqueda revisa que la cara que GDI realmente seleccionó coincida con la familia pedida, ignorando espacios y mayúsculas, y revisa los bits propios de negrita e itálica de la cara contra el estilo pedido. Un desajuste en cualquiera significa que la fuente se salta

Ese es un trade deliberado. Una búsqueda más permisiva subiría el conteo de reparaciones en cada lote, y algunas de esas "reparaciones" incrustarían Arial Regular bajo una fuente que el documento llama Arial,Bold. ISO 19005-1 §6.3.6 exige que los anchos del diccionario de fuente coincidan con el programa incrustado, así que un casi-acierto puede cambiar el error 00030 por un error de consistencia de anchos, y en el peor de los casos pasa la validación mientras renderiza levemente distinto de lo que el autor quiso. Preferimos reportar un salto antes que archivar una adivinanza

La búsqueda lee las fuentes instaladas a través de la GDI de Windows. En builds Linux o macOS la ruta del sistema no devuelve nada, y la llamada basada en archivo de la siguiente sección es la manera de suministrar programas

¿Qué pasa cuando la fuente no está instalada?

El valor de retorno se lo dice. Si EmbedMissingFonts reporta menos fuentes de las que usted sabe que faltan, la diferencia son fuentes que la máquina no tiene, o no tiene en el estilo correcto. Para esas, EmbedFontProgramFromFile(FontName, FileName) adjunta un programa desde un archivo .ttf o .otf que usted provea, lo que deja a un pipeline llevar las caras corporativas que espera encontrar y recurrir a ellas a propósito

Flujo de decisión de PDF Library for Delphi que enumera cada diccionario de fuente, normaliza nombres BaseFont contra el sistema instalado, incrusta los programas encontrados con EmbedFontProgram o cae a EmbedFontProgramFromFile, y reporta el conteo de reparadas
La normalización de nombres vuelve indulgente la búsqueda del sistema, y el conteo de retorno mantiene visibles las caras saltadas

El patrón que mejor funciona en la práctica es el de dos pasadas. Corra EmbedMissingFonts y guarde, luego cargue el resultado, enumere lo que sigue sin incrustar, y ofrezca cada nombre restante a su propia carpeta de fuentes. La recarga importa: el flag de incrustación que GetFontIsEmbedded reporta para una fuente enumerada refleja el archivo tal como estaba cuando FindFonts corrió, así que enumerar en la misma sesión que la reparación mostraría respuestas viejas

function FontFileFor(const BaseFont: string): string;
begin
  // Su propio helper (no parte de la librería): mapea nombres de
  // fuente del documento a archivos de fuente que la app lleva.
  // Un resultado vacío hace que EmbedFontProgramFromFile devuelva 0
  // sin tocar el sistema de archivos.
  if Pos('CorporateSans', BaseFont) > 0 then
    Result := ExtractFilePath(ParamStr(0)) + 'fonts\CorporateSans.ttf'
  else
    Result := '';
end;

procedure EmbedFromShippedFonts(const InFile, OutFile: string);
var
  PDF: TPDFlib;
  I, FontID: Integer;
  Name: string;
begin
  PDF := TPDFlib.Create;
  try
    if PDF.LoadFromFile(InFile, '') <> 1 then
      Exit;
    PDF.FindFonts;
    for I := 1 to PDF.FontCount do
    begin
      FontID := PDF.GetFontID(I);
      if (FontID > 0) and (PDF.SelectFont(FontID) = 1) and
         (PDF.GetFontIsEmbedded = 0) then
      begin
        // Pase el nombre exactamente como está guardado, prefijo de subset incluido
        Name := PDF.FontName;
        if PDF.EmbedFontProgramFromFile(Name, FontFileFor(Name)) = 0 then
          Writeln('Still not embedded: ', Name);
      end;
    end;
    PDF.SaveToFile(OutFile);
  finally
    PDF.Free;
  end;
end;

Tres detalles deciden si ese bucle tiene éxito. Las llamadas por nombre, EmbedFontProgram para la fuente instalada y EmbedFontProgramFromFile para un archivo, comparan contra el BaseFont exactamente como el documento lo guarda y actúan sobre el primer diccionario Font que cargue ese nombre, que es por eso que el bucle pasa PDF.FontName directo en lugar de un nombre de familia limpiado. El formato del programa tiene que convenirle al tipo de fuente: datos TrueType de contornos de glifo para una fuente TrueType o CIDFontType2, un programa OpenType CFF (uno que empiece con el tag OTTO) para una fuente CIDFontType0, que entonces se escribe como /FontFile3 con subtype OpenType. Entréguele un archivo CFF a una fuente TrueType y la llamada devuelve 0. Y la ruta de reparación cubre fuentes TrueType y CID; el /FontFile de una fuente Type1 necesita el layout PFB de tres segmentos con claves de largo explícitas, así que las referencias Type1 se saltan y quedan para que el conteo de retorno las señale. Las referencias Standard 14 suelen escribirse como Type1, así que espere verlas en esa lista de sobrantes

También hay una pregunta que la librería no puede responderle. Los permisos de incrustación de una fuente TrueType pertenecen a su foundry, y un pipeline que escribe programas licenciados en documentos que salen de la organización necesita que alguien confirme que las licencias lo permiten. El código incrustará cualquier archivo que usted le señale. Si a usted le está permitido es una pregunta legal

Cerrar el ciclo con CreatePreflightReport

La auditoría que rechazó el archivo debería ser la que lo dé por sano. CreatePreflightReport con ComplianceTests = 1 corre las comprobaciones PDF/A, y el hallazgo 00030 se reporta una vez por todo el archivo, así que una sola fuente pasada por alto lo mantiene en el reporte. Córralo sobre la fuente, repare y guarde, luego córralo otra vez sobre la salida

PDF Library for Delphi: ciclo de reparación cerrado donde CreatePreflightReport marca el código de error 00030, EmbedMissingFonts incrusta las fuentes marcadas, SaveToFile escribe el PDF reparado y una segunda corrida del reporte verifica que el lote pasa
Corra primero el reporte de preflight, deje que maneje la reparación, luego deje que la misma auditoría certifique la salida
function HasFontEmbeddingViolation(PDF: TPDFlib;
  const FileName: string): Boolean;
var
  Report: string;
begin
  // ComplianceTests = 1 elige las comprobaciones PDF/A
  Report := PDF.CreatePreflightReport(FileName, '', 1, 0);
  Result := Pos('00030', Report) > 0;
end;

Un resultado sorprende a la gente la primera vez. La comprobación de fuentes ignora las fuentes que el contenido solo dibuja invisiblemente, en modo de renderizado de texto 3, que es como la mayoría de los motores OCR colocan una capa de texto buscable sobre una imagen escaneada. Un archivo escaneado puede por lo tanto pasar 00030 mientras FindFonts sigue listando una cara no incrustada. Eso es consistente con cómo PDF/A trata el texto invisible, y significa que un listado por fuente y el veredicto por archivo pueden legítimamente discrepar sobre el mismo documento

Para logs por lotes que necesiten nombrar exactamente qué cara en qué archivo quedó sin incrustar, el listado por fuente es la mejor herramienta: cargue la salida, llame a FindFonts, luego SelectFont y GetFontIsEmbedded para cada entrada. El artículo sobre extraer texto, imágenes y fuentes de PDFs cargados usa la misma enumeración para alimentar la extracción en lugar de la reparación

Incrustar zanja un hallazgo, y su propia salida nunca debería necesitarlo

Incrustar fuentes elimina el error 00030 y nada más. Un archivo que además falle por cifrado, metadata XMP faltante, un espacio de color dependiente de dispositivo sin OutputIntent, o fuentes sin mapas ToUnicode seguirá fallando después de que cada programa esté en su sitio, así que la reparación pertenece al interior del bucle de preflight y trabaja a través de lo que el reporte nombra. El tamaño es el otro costo. Un programa de fuente CJK completo puede llegar a varios megabytes, e incrustar unos cuantos puede volver una factura de una página muchas veces su tamaño original; el artículo de optimización de tamaño de PDF y subsetting de fuentes cubre recortar cada programa incrustado a los glifos que las páginas realmente usan

Del lado de la escritura, SetEmbedAllFonts(1) evita que su propio código produzca los archivos que este artículo repara. Aplica la misma promoción que usa el modo PDF/A a un documento ordinario: cualquier llamada posterior a AddTrueTypeFont con Embed=0 incrusta el programa completo. La configuración pertenece al documento seleccionado y afecta a las fuentes agregadas después de la llamada, así que fíjela justo después de NewDocument. Nuestra recomendación es activarla para cualquier cosa que pueda terminar en un archivo, PDF/A o no, ya que los archivos que usted crea hoy son los archivos heredados de quien los lea después

PDF.NewDocument;
PDF.SetEmbedAllFonts(1);
// De aquí en adelante AddTrueTypeFont('Segoe UI', 0) incrusta el
// programa completo, exactamente como AddTrueTypeFont('Segoe UI', 1)
PDF.AddTrueTypeFont('Segoe UI', 0);

La ruta cargar-reparar-guardar, el fallback basado en archivo y el guardia del lado del escritor se envían todos en losLab PDF Library para Delphi, C# y VB.NET, junto con el motor de preflight usado arriba para confirmar el resultado; la página del producto documenta el resto de la API de fuentes, incluida la inspección por fuente y el subsetting