Un checklist PDF/UA-1 casero rechaza una exportación PDF/UA-2 que veraPDF pasa, marcando una figura con tag /ActualText (), anotaciones de link sin /Contents y un árbol de estructura que mezcla namespaces. Cada una de ellas cumple ISO 14289-2:2024, así que el set de reglas debe seguir la parte que declara cada archivo, que es lo primero que lee el TPdf.ValidatePdfUa de PDFium Component
La parte declarada decide qué reglas aplican
Todo archivo PDF/UA nombra su parte en el metadata XMP con pdfuaid:part, y PDF/UA-2 agrega dos condiciones propias: una entrada de revisión y un archivo que declara PDF 2.0. Esa declaración es el interruptor. TPdf.ValidatePdfUa devuelve un TPdfUaValidationResult cuyo campo Conformance reporta puc1 o puc2, pucNone para un archivo confirmado de no reclamar PDF/UA, o pucUnknown cuando el reclamo no se puede determinar, y cuyo set Issues guarda solo los hallazgos que aplican a esa parte. Algunos valores de issue representan una regla en la parte 1 y una más amplia en la parte 2. pvuaiActionTargetMissing sobre un archivo de parte 1 significa que una acción GoToR, URI o SubmitForm carece de su clave de destino (§7.18.5); sobre un archivo de parte 2 también puede significar un destino que no conduce a un elemento de estructura (§8.8). pvuaiAnnotationMissingContents sobre un archivo de parte 2 incluye widgets sin etiqueta. Así que imprima la parte junto a cada reporte:
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 es true solo cuando la parte es 1 o 2 y el issue set está vacío, así que un archivo sin reclamo PDF/UA jamás se reporta como conforme por accidente. Comparar contra veraPDF tiene una trampa propia. La herramienta de línea de comandos sale con código 1 para un archivo no conforme. Aun así escribe el reporte XML completo a la salida estándar, y un script que se detiene en el código de salida tira los números de regla. Lea el reporte
¿Qué quejas UA-1 son falsas alarmas bajo PDF/UA-2?
Cada queja del ejemplo inicial aplica una regla que PDF/UA-2 no contiene en esa forma. Empiece por la figura, donde el error suele vivir en el código de parseo. ISO 14289-2 §8.2.5.28.2 le pide a un Figure cargar una clave /Alt o /ActualText, y la prueba es si la clave existe: /ActualText () cumple, y solo una figura sin ninguna de las dos claves falla. Un lector que guarda ambos valores en strings planos colapsa "presente pero vacío" y "ausente" en el mismo '', y el checker entonces reporta texto alternativo faltante sobre una figura que lo tiene. Guarde una bandera de presencia junto a cada string cuando parsee el elemento de estructura. Un /ActualText vacío es una descripción débil que un revisor humano quizá todavía quiera ver, pero un validador de parte 2 no tiene fundamento para fallarlo
La regla del link desapareció. PDF/UA-1 §7.18.5 exige que cada anotación de link cargue /Contents; PDF/UA-2 no pone regla de clave de anotación en su lugar y constriñe la estructura en §8.2.5.20. Las anotaciones que llevan a destinos distintos deben vivir en elementos de estructura Link o Reference separados, así que un solo elemento Link que envuelva tanto un salto al capítulo 2 como un URI a un sitio externo falla la parte 2 incluso cuando ambas anotaciones cargan /Contents. Las dos partes están probando cosas distintas, el texto de la anotación en una, el agrupamiento en el árbol en la otra. PDFium Component aplica el requisito de /Contents del link solo a archivos que declaran parte 1
La queja de namespace sale de leer el documento equivocado. ISO 14289-2 §8.2.4 carga cuatro reglas: un tipo de estructura no estándar debe mapear a un tipo estándar, ningún mapeo puede ser circular, ningún tipo puede mapear dentro del mismo namespace explícito, y ningún tipo estándar puede remapearse a uno no estándar. ISO/TS 32005 §5.3 agrega una recomendación para documentos que mezclan namespaces, usar el namespace de PDF 2.0 para los tipos que comparten, y esa recomendación no está entre las condiciones de conformidad de PDF/UA-2. Un checklist que falla duro con §5.3 rechaza árboles mixtos válidos, como un árbol PDF 2.0 que carga fórmulas MathML. Resolver un tipo custom por /RoleMapNS hacia uno estándar es un trabajo en sí mismo, mostrado en la validación PDF/UA-2 con role maps y namespaces
Reglas que PDF/UA-2 agregó o endureció
La dirección contraria es la cara. Un checklist UA-1 pasa los archivos de abajo, y los fallos aparecen solo cuando alguien corre un validador de parte 2:
- Los widgets necesitan etiqueta o descripción. PDF/UA-1 §7.18.1 exime a las anotaciones widget de
/Contentsporque el tagFormde §7.18.4 las cubre. PDF/UA-2 §8.10.2.3 exige/Contentsen cualquier widget cuyo elemento de estructura no tenga hijoLbl. El tooltip/TUdel campo no cuenta como etiqueta - Los adjuntos declaran su relación. §8.9.2.4.10 exige que la file specification de una anotación
FileAttachmentcargue/AFRelationship, Source, Data, Alternative, Supplement y los demás valores que PDF/A-3 ya usa para los archivos asociados y AFRelationship - Los encabezados van numerados. PDF/UA-1 acepta el tag genérico
Ho encabezados numeradosH1…Hn, siempre que un documento no los mezcle (§7.4.4). PDF/UA-2 §8.2.5.12 prohíbe elHgenérico sin más, así que un esquema de taggeo construido sobre elementosHplanos necesita remapeo antes de que la exportación pueda reclamar parte 2 - Los destinos llevan a estructura. §8.8 exige que los objetivos de navegación sean destinos de estructura en el sentido de ISO 32000-2 §12.3.2.3: un arreglo de destino cuyo primer elemento es un elemento de estructura, o una acción GoTo con
/SD
Deje quietas las reglas viejas. Cuando un checklist crece en cobertura de parte 2, la edición obvia es borrar la exención de widgets de §7.18.1 para que los widgets sin /Contents queden marcados, y esa edición hace que formularios de parte 1 conformes fallen una regla que su estándar jamás tuvo. Agregue la revisión de widgets de parte 2 junto a la exención y compuéstela por la parte declarada. Así reporta PDFium Component la regla del widget, la exención de parte 1 sigue vigente, y un widget de parte 2 sin etiqueta ni /Contents aparece como pvuaiAnnotationMissingContents
¿Cómo se prueba un destino de estructura sin falsos positivos?
Lea la clave que la especificación dice que gana. La Tabla 202 de ISO 32000-2 hace /D requerida en cada acción GoTo y /SD opcional, y dice que el destino de estructura debe prevalecer cuando ambos están presentes. Un link de parte 2 conforme por eso suele cargar un destino de página como /D [6 0 R /Fit] para lectores viejos y /SD [19 0 R /Fit] al lado. Una revisión casera que lee /D encuentra una página, reporta un destino que no es destino de estructura, y falla el archivo. Para acciones, mire /SD. Para un arreglo de destino desnudo, siga su primer elemento y pregunte si el diccionario referenciado es un elemento de estructura, que en términos de bytes significa un diccionario con una clave /S de nivel superior
El nivel superior es la parte difícil. Un diccionario de página rutinariamente carga /Group << /S /Transparency >> para su grupo de transparencia, y una búsqueda de claves que no se salta diccionarios anidados encuentra ese /S interno y decide que la página es un elemento de estructura, así que un destino de página plano pasa. Escanee solo las claves del diccionario externo y sáltese cada valor como un objeto completo, diccionarios y arreglos anidados incluidos. El ParentTree, que mapea el /StructParent de una anotación de vuelta a su elemento de estructura, pide el mismo cuidado. Su arreglo /Nums puede emparejar una clave con una sola referencia (0 26 0 R) o con un arreglo (0 [null 20 0 R]), y en la forma de arreglo la posición dentro del arreglo se suma a la clave para llegar al valor /StructParent. Un parser que solo conoce la primera forma deja las anotaciones de la segunda sin padre de estructura, y la regla de agrupamiento §8.2.5.20 entonces no tiene nada con qué comparar. Corra estas revisiones sobre los bytes tal como se cargaron también: una copia re-guardada o normalizada puede renumerar objetos de anotación y reconstruir el árbol numérico, el mismo árbol que reescribe cada vez que mantiene /ParentTree y /StructParents en sincronía después de editar páginas
¿Qué tags de lenguaje pasan la revisión de /Lang?
La gramática no cambió entre las partes (ISO 14289-1 §7.2, ISO 14289-2 §8.4.4); los checklists laxos se la pierden igual. veraPDF la expresa como ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$: un primer subtag de una a ocho letras, luego cualquier número de subtags de una a ocho letras o dígitos, cada uno introducido por un guion. Los límites son filosos. portugue-pt pasa y portugues-pt falla por su primer subtag de nueve letras; nl-1234abcd pasa y nl-1234abcde falla; 1-pt y -pt fallan en el primer carácter. Una revisión que solo prueba letras, dígitos y guiones acepta los cuatro fallos. El /Lang del catálogo y el /Lang de cada elemento de estructura necesitan una prueba compartida, o el mismo tag se gana dos veredictos en un archivo. Un tag guardado como string UTF-16BE, como <FEFF0045004E002D00550053>, se decodifica primero; ese lee EN-US y pasa. Los tags malos suelen venir de lugares mundanos: los strings de locale de Java, ICU o configuraciones de base de datos usan underscores, y pt_BR no es un tag válido. IsPdfUaLanguageTagValid aplica la misma prueba de forma, así que puede reparar un tag antes de escribirlo:
uses
SysUtils, PDFium;
// Convierte un locale de plataforma como pt_BR en un tag que PDF/UA acepta,
// o devuelve '' cuando una sustitución simple no puede repararlo
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
// Esperado:
// en-US, portugue-pt, nl-1234abcd válidos tal como están
// pt_BR, zh_CN inválidos, reparados a pt-BR / zh-CN
// portugues-pt, nl-1234abcde inválidos, reparados a ''
for S in Samples do
Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;
Llame a la conversión donde el tag entra a su pipeline, antes de que llegue al catálogo o a cualquier elemento de estructura. Un resultado vacío es la señal de replegarse a un lenguaje que se sabe que el documento usa. Escribir de todos modos el string crudo del locale solo mueve la falla hacia downstream, donde aparece como pvuaiLangInvalidFormat para el catálogo o pvuaiStructElementLangInvalid para un elemento, lejos del código que lo produjo
Empiece la migración con la exportación del párrafo inicial. Córrala por ReportPdfUa del primer listado usando el PDFium Component para Delphi: la línea de encabezado debe nombrar PDF/UA-2, y ni pvuaiFigureMissingAlt, ni pvuaiLinkMissingContents ni pvuaiNamespaceReuseInvalid deben aparecer debajo. Cualquier queja que su checklist viejo todavía levante sobre ese archivo marca una regla de parte 1 para poner detrás de la parte declarada