PDF/R, estandarizado como ISO 23504-1, es el perfil PDF para documentos escaneados: cada página lleva exactamente una imagen de tira y nada más. PDFium Component lo valida desde Delphi, Lazarus y C++Builder a través de ValidatePdfRCompliance, que lee un flujo y devuelve el nivel de conformancia más un conjunto de hallazgos concretos
El perfil existe porque los escáneres y los sistemas de captura de documentos necesitaban un destino más estrecho que PDF/A. Un PDF de archivo puede contener cualquier cosa que la parte permita; un PDF raster es deliberadamente pobre, así que cualquier lector conforme puede mostrarlo de forma idéntica y cualquier escritor conforme puede producirlo a partir de un escaneo sin un motor de creación
¿Qué prohíbe PDF/R que PDF/A permite?
Texto, en la práctica. Una página raster lleva la imagen escaneada y nada más, así que un recurso de fuente en una página es una violación — reportada como pvriFontForbidden bajo ISO 23504-1 §6.5.2. Eso sorprende a quienes agregan una capa de texto OCR invisible para hacer posible la búsqueda, que es algo normal y útil en un flujo PDF/A y simplemente no es PDF/R
La relación página-imagen es igual de estricta. §6.5.1 hace que cada página sea exactamente una imagen de tira, así que pvriPageImageMismatch se dispara cuando el conteo de imágenes no coincide con el de páginas — una página sin imagen y una página con dos son ambas no conformes. Y pvriBadMediaBox reporta una página cuyo MediaBox no tiene la forma [0 0 w h] (§6.5.3), porque un escaneo no tiene razón para sentarse en un origen desplazado
uses FPdfPdfr;
var
Src: TFileStream;
Res: TPdfRValidationResult;
begin
Src := TFileStream.Create('scan-batch-0142.pdf', fmOpenRead or fmShareDenyWrite);
try
Res := ValidatePdfRCompliance(Src);
if Res.IsCompliant then
Memo1.Lines.Add('PDF/R-1 conformant')
else
begin
if pvriFontForbidden in Res.Issues then
Memo1.Lines.Add('A page names a font resource; a raster page carries no text');
if pvriPageImageMismatch in Res.Issues then
Memo1.Lines.Add('Image count does not match page count');
if pvriForbiddenImageFilter in Res.Issues then
Memo1.Lines.Add('A strip image uses an encoding outside the white list');
end;
finally
Src.Free;
end;
end;Qué codificaciones de imagen se permiten
Cuatro, y la lista blanca es corta por una razón. §6.6 admite /CCITTFaxDecode, /DCTDecode, /JPXDecode y /FlateDecode — fax bilevel, JPEG, JPEG 2000 y deflate sin pérdida, que entre todos cubren toda salida de escáner que importe. Todo lo demás se reporta como pvriForbiddenImageFilter, incluyendo /LZWDecode, /RunLengthDecode, /ASCII85Decode, /ASCIIHexDecode, /JBIG2Decode y /Crypt
Dos de esos rechazos valen la pena entenderlos en vez de memorizarlos. /JBIG2Decode comprime los escaneos bilevel extremadamente bien y es perfectamente legal en PDF/A, pero su reconstrucción de diccionario de símbolos puede sustituir glifos visualmente similares — un modo de fallo documentado para dígitos escaneados — y un perfil cuyo propósito entero es la reproducción raster fiel no puede admitir ese riesgo. Los filtros ASCII se excluyen por la razón opuesta: inflan el archivo sin añadir nada que un perfil raster necesite
Reglas de estructura que se disparan antes de leer cualquier página
PDF/R también constriñe el contenedor. pvriObjStmPresent reporta un flujo /Type /ObjStm, que el perfil prohíbe sin más — los flujos de objetos complican el análisis simple y secuencial que un lector raster debe poder realizar. pvriBadHeader reporta un encabezado fuera de %PDF-1.4 a 1.7 y %PDF-2.0, y pvriEncryptVersionMismatch reporta un archivo cifrado cuyo encabezado no es %PDF-2.0, según §6.2.3
El catálogo y el diccionario Info están en lista blanca, no simplemente verificados. pvriProhibitedCatalogEntry y pvriProhibitedInfoEntry se disparan por entradas fuera del conjunto permitido, y pvriInfoXmpMismatch se dispara cuando una entrada Info contradice a su equivalente XMP. Un flujo /Metadata ausente en el catálogo, un /ID ausente en el trailer y un marcador de pie %PDF-raster-1.0 ausente tienen cada uno su propio hallazgo también
Por qué el registro de opciones de guardado omite Title y Author
TPdfRSaveOptions lleva Creator, Producer, CreationDate, ModDate, DocumentId e InstanceId, y deliberadamente no tiene campo para Title, Author, Subject o Keywords. Esas cuatro son las entradas que §6.4.3 prohíbe, así que un registro que las expusiera estaría invitando a quienes llaman a escribir un archivo no conforme a través de una API conforme
Dos opciones booleanas controlan la limpieza al convertir un PDF existente. StripInfoOptionalEntries por defecto es True y elimina Title, Author, Subject, Keywords y Trapped del diccionario Info de origen. StripCatalogOptionalEntries también por defecto es True y elimina Names, Outlines, StructTreeRoot, OutputIntents, Lang y el resto, dejando solo la lista blanca de §6.3. Pon cualquiera en False y conservas las entradas — y pierdes la conformancia, que ocasionalmente es justamente lo que un llamador quiere para un archivo interno
var
Opts: TPdfRSaveOptions;
Src, Dest: TFileStream;
begin
Opts := TPdfRSaveOptions.Default;
Opts.Creator := 'Capture Station 4';
Opts.Producer := 'PDFium Component';
Src := TFileStream.Create('scan-in.pdf', fmOpenRead or fmShareDenyWrite);
try
Dest := TFileStream.Create('scan-pdfr.pdf', fmCreate);
try
InjectPdfRMarkers(Src, Dest, Opts); // markers + metadata, not page content
finally
Dest.Free;
end;
finally
Src.Free;
end;
end;Ten en cuenta lo que la inyección de marcadores no hace: agrega metadatos e identificación, y no puede suministrar contenido de página. Una página de origen que no lleva imagen de tira seguirá fallando pvriPageImageMismatch tras la inyección, porque la imagen faltante nunca fue un problema de metadatos
Dónde encaja PDF/R en un flujo de captura
Úsalo donde el entregable es el escaneo mismo y la fidelidad es el contrato entero — imágenes con valor probatorio, captura de cheques y de pagos, archivos de planos de ingeniería desde un escáner de gran formato. Usa PDF/A en cuanto el documento necesite texto buscable, etiquetado, adjuntos incrustados o cualquier otra cosa que el perfil raster elimine
Un arreglo común y viable es producir ambos: un original PDF/R que nunca cambia, y un derivado PDF/A con una capa OCR para recuperación. Los validadores son independientes, así que el mismo trabajo por lotes puede verificar cada artefacto contra el perfil que realmente afirma. Para el lado de archivo de esa pareja, consulta las notas sobre el cumplimiento de archivo PDF/A y la validación de preflight PDF/A, y para la salida orientada a impresión el recorrido por la validación de documentos PDF/X listos para impresión
PDFium Component lleva el motor PDFium a Delphi, C++Builder y Lazarus con una API VCL y validadores de conformancia para PDF/A, PDF/X, PDF/E, PDF/UA y PDF/R — la página del producto PDFium Component lista las normas y versiones de IDE soportadas