Un contrato escaneado en 2004 abre con %PDF-1.3, y después de que una fusión ingenua agrega dos páginas de folleto que llevan una fuente OpenType embebida y una foto de 16 bits, pdfinfo sigue reportando PDF 1.3. La versión correcta entra al catálogo de la revisión agregada como /Version /1.6, cosa que ISO 32000-1 §7.5.6 permite y que la importación de páginas de HotPDF escribe a partir de los objetos que copia
¿Por qué un guardado incremental no puede reescribir %PDF-1.3?
Porque los bytes viejos se quedan siendo un prefijo del archivo nuevo. Una actualización incremental agrega un body nuevo, una sección de cross-reference nueva y un trailer nuevo después del último %%EOF, y no toca ningún byte anterior. Los validadores de firmas dependen de eso, porque el /ByteRange de una firma existente cubre el encabezado viejo. Las herramientas de diff entre revisiones van más lejos y toman "el archivo original es un prefijo del nuevo" como la definición de un guardado incremental. Parchar ocho bytes en el offset cero mantendría válido cada offset de cross-reference y aun así rompería el prefijo. La especificación ya lo veía venir. Desde PDF 1.4 un writer puede pisar el encabezado con la entrada Version del catálogo, y la NOTE 4 de §7.5.6 dice que la entrada existe precisamente para que la versión pueda cambiar durante una actualización incremental. La Tabla 28 agrega las reglas de lectura. El valor es un name object (/1.6, no el número 1.6); aplica solo cuando es posterior al encabezado; cuando el encabezado es posterior o la entrada no está, gana el encabezado. La versión efectiva es la mayor de las dos. Un lector que revisa solo la primera línea del archivo reporta de menos cada documento mejorado por incremento
Objetos copiados que suben la versión requerida
La versión requerida sale de las funciones, no del encabezado del archivo fuente. THPDFHeadlessDocument.AppendImportedPages recorre los diccionarios de página y recursos que clona y anota la versión más alta que cualquier entrada copiada no nula necesita. Los tags son los mismos que se usan al guardar a una versión exacta de PDF con revisiones de funciones; aquí corren hacia arriba, subiendo el nivel declarado. Cada fila empareja una revisión que la importación aplica con la versión que ISO 32000-1 imprime junto a la entrada:
| Contenido copiado | Requiere | Dónde lo dice la especificación |
|---|---|---|
Grupo de transparencia, soft mask (/SMask) o parámetros ExtGState transparentes | PDF 1.4 | Modelo de transparencia, §11 |
Stream de metadatos XMP (/Type /Metadata /Subtype /XML) | PDF 1.4 | §14.3.2 |
Datos de imagen comprimidos con JBIG2Decode | PDF 1.4 | §7.4.7 |
Datos de imagen comprimidos con JPXDecode | PDF 1.5 | §7.4.9 |
| Imagen de 16 bits, sea XObject de imagen o imagen inline en el content stream | PDF 1.5 | Tabla 89, §8.9.7 |
/PresSteps no nulo, o un /Trans de estilo Fly, Push, Cover, Uncover o Fade, o uno con /SS o /B | PDF 1.5 | Tabla 30, Tabla 162 |
| Contenido opcional que llega junto con las páginas | PDF 1.5 | §8.11 |
/FontFile3 con /Subtype /OpenType | PDF 1.6 | Tabla 126 |
/UserUnit de página, capas bloqueadas, o una expresión de visibilidad OCMD /VE | PDF 1.6 | Tabla 30, §8.11 |
Los estilos de transición viejos como Dissolve, Wipe o Split datan de PDF 1.1 y no suben nada, así que la importación lee el valor /S de un diccionario de transición; la sola presencia de /Trans no prueba nada. La escritura va después del recorrido. Un nombre /Version entra a la revisión nueva cuando existe una versión requerida y es mayor tanto que la versión del encabezado del destino como que cualquier /Version que el catálogo ya cargue; de lo contrario el catálogo no recibe entrada /Version. El encabezado jamás se edita. El mismo párrafo de §7.5.6 le pide al writer actualizar el diccionario /Extensions del catálogo cuando una actualización agrega o quita extensiones de desarrollador. La importación de páginas copia solo objetos a nivel de página, así que /Extensions se queda como lo tenía el destino
uses
SysUtils, HPDFHeadlessDocument;
procedure AppendBrochurePages(const ContractFile, BrochureFile, OutputFile: string);
var
Target, Source: THPDFHeadlessDocument;
Options: THPDFHeadlessPageImportOptions;
Outcome: THPDFHeadlessPageImportResult;
begin
Target := THPDFHeadlessDocument.Create;
Source := THPDFHeadlessDocument.Create;
try
Target.LoadFromFile(ContractFile); // encabezado: %PDF-1.3
Source.LoadFromFile(BrochureFile); // exportación PDF 1.7: /FontFile3 /OpenType + foto de 16 bits
Options := THPDFHeadlessPageImportOptions.Default;
// Los índices de página son zero-based: copie la portada y la hoja de especificaciones
Outcome := Target.AppendImportedPages(Source, [0, 2], Options);
// Guardado como actualización incremental: los bytes viejos se quedan como prefijo.
// Esperado: la revisión nueva del catálogo carga /Version /1.6,
// y la primera línea del archivo sigue diciendo %PDF-1.3
Target.SaveToFile(OutputFile);
WriteLn(Format('%d pages added, %d annotations flattened',
[Outcome.AddedPages, Outcome.FlattenedAnnotations]));
finally
Source.Free;
Target.Free;
end;
end;
Para este par, el programa de fuente OpenType pone el requisito en 1.6, y la foto de 16 bits por sí sola se habría detenido en 1.5. El source y el target deben ser dos documentos cargados distintos. Un destino que ya está firmado o certificado se rechaza, porque agregar páginas cambia aquello que la firma atestigua
Las imágenes inline viven dentro del content stream
Una imagen inline jamás es un objeto. ISO 32000-1 §8.9.7 la define como una secuencia BI … ID … EI escrita directo en un content stream, con claves abreviadas como /BPC para /BitsPerComponent, y recomienda esa forma solo para imágenes chicas de 4 KB o menos. Una profundidad de 16 bits ahí necesita PDF 1.5 igual que en un XObject de imagen, pero un recorrido de objetos jamás se la encuentra, porque esos bytes viajan dentro del /Contents copiado. Por eso la importación también decodifica los content streams de cada página copiada, y de cada Form XObject y patrón de tiling que clona, y los escanea una vez buscando un encabezado BI cuya profundidad sea 16. Una búsqueda de texto fallaría. El operando de un operador show-text puede contener el literal (BI /BPC 16 ID), y una línea de comentario puede decir % BI /BPC 16. Después de ID, un único byte de espacio en blanco da paso a muestras binarias crudas que corren hasta un token EI con espacio en blanco a ambos lados, y esos bytes de muestra pueden deletrear BI de pura casualidad. El scanner entonces brinca sobre cadenas literales y hexadecimales, comentarios y datos de muestra inline, y se detiene en el primer encabezado de 16 bits genuino. Una imagen inline de 8 bits, o una cadena que apenas menciona /BPC 16, deja la versión donde estaba
¿El encabezado del archivo fuente decide la versión?
No. Lo deciden las páginas seleccionadas. Estampar el 1.7 del folleto sobre la fusión infla el resultado siempre que esas páginas no usen nada más allá de los operadores de dibujo de PDF 1.3. Una versión inflada puede mandar un documento corriente por el camino equivocado en un workflow de impresión o una puerta de archivo que clasifica archivos por versión. Emparejar claves ignorando sus valores se equivoca en la misma dirección. /Mask null, /PresSteps null y un diccionario /Trans con /S /Dissolve contienen todos la clave interesante, ninguno necesita una versión más nueva, y un scanner que reacciona a nombres de clave sube la versión para archivos que jamás la necesitaron
Una función de PDF 1.3 en un archivo PDF 1.2 se declara como 1.4
El caso sutil vive en el fondo del rango de versiones. Las máscaras de imagen explícitas y de clave de color (/Mask en la Tabla 89) están etiquetadas PDF 1.3. Copie esa imagen a un documento %PDF-1.2 y el requisito estricto es 1.3. Pero /Version data de PDF 1.4. Escribir /Version /1.3 en un archivo 1.2 usa un mecanismo que el nivel declarado no tiene, así que un lector estricto no tiene razón para respetarlo. HotPDF declara 1.4 en ese caso: una máscara de imagen que entra a un documento cuyo encabezado está abajo de 1.3 sube el requisito directo a 1.4, la primera versión donde el override es legal. Un destino que ya está en 1.3 no necesita override alguno para la misma imagen
¿Cómo se lee de vuelta la versión efectiva?
Tome la versión del encabezado, busque el nombre /Version del catálogo, y use el que sea posterior. Un parser completo llega al catálogo por el /Root del trailer. Para una compuerta rápida en un trabajo por lotes suele bastar un escaneo de bytes, con una advertencia dicha de entrada: encuentra la entrada solo cuando la revisión más reciente del catálogo está escrita como objeto plano, fuera de cualquier object stream comprimido. Busque desde el final. Un archivo actualizado por incrementos puede cargar un catálogo por revisión: el original, y luego una copia de reemplazo completa en cada actualización. Los lectores usan la copia más reciente de cada objeto (§7.5.6), así que el último /Version del archivo normalmente pertenece al catálogo vivo. Un resultado vacío significa que este escaneo no halló override en texto plano; un parser todavía puede hallar uno dentro de un object stream. La función devuelve la versión efectiva como una cadena tipo 1.6, y la compuerta que sigue protege un canal PDF/A-1, cuyo estándar base ISO 19005-1 está construido sobre PDF 1.4:
uses
SysUtils, IOUtils;
function EffectivePdfVersion(const FileName: string): string;
const
Key: RawByteString = '/Version';
var
Bytes: TBytes;
Text: RawByteString;
P, Q: Integer;
Declared: string;
begin
Result := '';
Bytes := TFile.ReadAllBytes(FileName);
if Length(Bytes) < 8 then
Exit; // demasiado corto para '%PDF-1.x'
SetString(Text, PAnsiChar(@Bytes[0]), Length(Bytes));
if Copy(Text, 1, 5) <> '%PDF-' then
Exit;
Result := string(Copy(Text, 6, 3)); // '%PDF-1.3' -> '1.3'
// La revisión más nueva está al final, así que busque hacia atrás
P := Length(Text) - Length(Key) + 1;
while (P > 0) and (Copy(Text, P, Length(Key)) <> Key) do
Dec(P);
if P = 0 then
Exit; // no se halló override en texto plano
Q := P + Length(Key);
while (Q <= Length(Text)) and (Text[Q] in [#0, #9, #10, #12, #13, #32]) do
Inc(Q);
if (Q < Length(Text)) and (Text[Q] = '/') then
begin
Declared := string(Copy(Text, Q + 1, 3)); // name object: /1.6
if Declared > Result then // gana el encabezado cuando es posterior
Result := Declared;
end;
end;
procedure RequirePdfA1Channel(const FileName: string);
var
Version: string;
begin
Version := EffectivePdfVersion(FileName);
if Version > '1.4' then
raise Exception.CreateFmt(
'%s declares PDF %s; the PDF/A-1 channel takes PDF 1.4 at most',
[ExtractFileName(FileName), Version]);
end;
La comparación de cadenas funciona porque cada versión publicada de PDF tiene un número menor de un solo dígito, y 2.0 sigue ordenándose arriba de cualquier valor 1.x. Note lo que la compuerta deja quieto. No arranca /Version para colar el archivo, y jamás se fía del encabezado por sí solo. Una revisión que solo mirara el encabezado dejaría pasar el contrato fusionado. El archivo todavía carga un formato de fuente PDF 1.6
Rechazar o degradar para un pipeline que solo admite 1.4
Borrar el override es la reparación equivocada. Los objetos que exigían 1.6 siguen en el archivo, así que un lector consciente de versiones vería un documento 1.3 usando un formato de fuente 1.6, y las herramientas de preflight reportan esa discrepancia. Un canal genuinamente limitado a 1.4 deja dos opciones sanas. Rechazar la fusión antes de guardarla, con la versión efectiva como prueba, o bajar primero las páginas fuente al nivel del destino, convierta el contenido de fuentes e imágenes en la herramienta de autoría e importe el resultado. Rechazar temprano es el mejor default. El error nombra el archivo y la versión mientras el trabajo todavía corre, lo que cuesta mucho menos de soportar que una falla de validación que nadie puede explicar una semana después. Un requisito se puede soltar al momento de importar: con Options.RemovePresentationSteps := True las páginas copiadas dejan fuera /PresSteps, así que la navegación de subpáginas no agrega nada a la versión requerida. Donde la decisión pertenece al momento de guardar, una pre-revisión de versión antes de guardar detiene el trabajo antes de escribir un solo byte
Para el contrato de 2004, el número que hay que buscar es 1.6. Llame EffectivePdfVersion sobre la salida fusionada en el mismo servicio que corrió AppendImportedPages desde el componente PDF HotPDF para Delphi. Un canal que solo admite 1.4 puede entonces rechazar el trabajo mientras el error todavía nombra las páginas del folleto que lo causaron