Artículo técnico

Validación de PDF/X en Delphi con el PDFium Component

Un volante de una página con un titular en Helvetica se ve perfecto en cada visor del escritorio del diseñador, porque cada visor sustituye en silencio una fuente del sistema por Helvetica. El RIP del proveedor de servicios de impresión no tiene esa libertad. Toda parte de ISO 15930 exige que cada programa de fuente usado en la página viaje dentro del archivo, y las 14 fuentes base estándar no están exentas, así que el volante vuelve con "font not embedded" por una fuente que nadie del lado del diseño vio jamás faltar. Verificaciones como esa, junto con las cajas de página, la declaración de trapping y el output intent, pueden correr dentro de su propia aplicación Delphi antes de que se oprima el botón de subir

Lo que un archivo PDF/X tiene que demostrarle a una imprenta que nunca ha visto

PDF/X existe para el intercambio a ciegas: un diseñador le envía un archivo a una imprenta con la que nunca habló, y la imprenta produce salida correcta sin una llamada telefónica sobre fuentes faltantes o una imagen vinculada que se quedó en la computadora portátil de alguien. Las fuentes deben ir incrustadas porque no se puede asumir que el RIP receptor las tiene. Las referencias externas están prohibidas porque el archivo tiene que estar completo en sí mismo. Las funciones interactivas están prohibidas porque la tinta no tiene manejador de clic

PDFium Component reporta qué parte reclama un archivo a través del enum TPdfXConformance. pxc1a es PDF/X-1a:2001 (ISO 15930-1), el intercambio estricto de CMYK más tintas directas sobre una base PDF 1.3/1.4. pxc3 es PDF/X-3:2002 (ISO 15930-3), que admite color RGB, Lab y basado en ICC atado al output intent. pxc4 es PDF/X-4:2010 (ISO 15930-7), que permite transparencia viva y capas sobre PDF 1.6. pxc6 es PDF/X-6 (ISO 15930-9), construido sobre PDF 2.0. Un archivo sin identificación PDF/X alguna vuelve como pxcNone, y pxcUnknown es lo que recibe cuando no hay documento cargado

La identificación en sí es un pequeño manojo de marcadores que tienen que concordar entre sí. El packet XMP lleva pdfxid:GTS_PDFXVersion junto con la descripción del schema de extensión y xmp:CreateDate / xmp:ModifyDate; el diccionario Info repite /GTS_PDFXVersion, y los dos strings deben coincidir. La entrada /OutputIntents del catálogo nombra la condición de impresión para la que se preparó el archivo, con /S /GTS_PDFX, un /OutputConditionIdentifier y, para un intercambio completo, un perfil ICC incrustado en /DestOutputProfile. El trailer necesita un /ID, y el cifrado queda descartado por completo. Cada uno de estos se mapea a su propio valor en TPdfXValidationIssue, desde pvxiMissingPdfXIdentifier pasando por pvxiInfoVersionMismatch, pvxiOutputIntentMissingIdentifier y pvxiEncryptionPresent

Ejecutar TPdf.ValidatePdfX como compuerta de impresión

TPdf.ValidatePdfX no toma argumentos y devuelve un record TPdfXValidationResult con dos campos, Conformance e Issues (un set de Pascal de TPdfXValidationIssue), más un método IsCompliant. La validación PDF/X pertenece a la edición Enterprise: agregue FPdfEnterprise a una cláusula uses, con Lib\Enterprise y Lib\SmallBusiness en el search path, para que el validador quede enlazado a su ejecutable. Sin esa unidad, la llamada lanza EPdfEnterpriseRequired, fácil de detectar en la primera corrida de pruebas

IsCompliant es estricto a propósito. Devuelve True solo cuando Conformance es uno de pxc1a, pxc3, pxc4 o pxc6 y el set de problemas está vacío, y eso incluye pvxiMissingTitle. El estándar redacta el Title como una recomendación, mientras que la mayoría de las demás verificaciones son requisitos duros. Rechazar el trabajo de un cliente porque el diccionario Info no tiene /Title es del tipo de rechazo que hace que la gente deje de confiar en la compuerta, así que separe el set y deje los ítems consultivos fuera de la decisión de aprobar o rechazar:

uses
  PDFium, FPdfPdfx,
  FPdfEnterprise; // enlaza el validador PDF/X (edición Enterprise)

const
  // Su propia política: problemas que se reportan al usuario pero no bloquean la subida
  AdvisoryIssues: TPdfXValidationIssues = [pvxiMissingTitle];

function PrintGate(const FileName: string;
  out Blocking, Advisory: TPdfXValidationIssues): Boolean;
var
  Pdf: TPdf;
  Res: TPdfXValidationResult;
begin
  Pdf := TPdf.Create(nil);
  try
    Pdf.FileName := FileName;
    Pdf.Active := True;

    Res := Pdf.ValidatePdfX;
    Advisory := Res.Issues * AdvisoryIssues;
    Blocking := Res.Issues - AdvisoryIssues;

    // La misma prueba de conformidad que usa IsCompliant, menos los ítems consultivos
    Result := (Res.Conformance in [pxc1a, pxc3, pxc4, pxc6]) and
      (Blocking = []);
  finally
    Pdf.Free;
  end;
end;

Un archivo que jamás reclamó ser PDF/X falla esta compuerta con una lista larga de problemas: sin metadatos XMP, sin identificador, sin output intent, sin entrada de versión en el Info. Esa lista vale la pena mostrarla igual, porque se lee como una lista de pendientes para quien tenga que exportar el archivo otra vez. Una propiedad más de ValidatePdfX importa en una aplicación de edición: verifica el documento tal como el componente lo guardaría ahora mismo, así que las páginas que usted agregó o los metadatos que cambió después de cargar son parte de lo que se valida

¿Por qué las imprentas rechazan los PDFs sin un TrimBox?

El TrimBox es la página terminada, el rectángulo que queda después de los cortes de la guillotina. El MediaBox que lleva toda página PDF es solo la hoja: contiene el sangrado, las marcas de corte, las marcas de registro y las barras de color. El software de imposición coloca las páginas en la hoja de imprenta por sus TrimBoxes, y sin uno el operador tiene que adivinar dónde termina su tarjeta de presentación. Una conjetura equivocada recorta el sangrado o deja una franja blanca a lo largo de un borde

Diagrama de PDFium Component de una página PDF lista para impresión que muestra la hoja MediaBox con sangrado, marcas de corte, barras de color y marcas de registro alrededor del rectángulo TrimBox que lee el software de imposición, con pvxiMissingTrimBox levantado cuando la clave está ausente
El MediaBox es la hoja completa con sangrado, marcas de corte y barras de color, mientras que el TrimBox es la página terminada que la guillotina debe encontrar, y la caja que un productor PDF/X debería escribir en cada página

ValidatePdfX corre tres verificaciones de geometría. pvxiMissingTrimBox se dispara cuando no aparece ninguna clave /TrimBox en ninguna parte del archivo. pvxiTrimBoxWithArtBox se dispara cuando una página lleva /TrimBox y /ArtBox juntos. pvxiPageBoxOutsideMediaBox se dispara cuando un /TrimBox o un /BleedBox se extiende más allá del /MediaBox, lo que describe un área que la prensa no puede impresionar. Los rectángulos pueden listar sus esquinas en cualquier orden, así que ambos se normalizan antes de comparar

Las verificaciones de cajas leen rectángulos escritos directamente en el diccionario de cada página. Las cajas heredadas de un nodo /Pages o guardadas como referencias indirectas quedan fuera de la prueba de contención, así que un archivo construido así se juzga solo por la presencia de su TrimBox. Si su propio productor escribe cajas, escríbalas directamente en cada página para que cada una reciba la prueba completa de contención

La clave /Trapped en el diccionario Info responde una pregunta de producción distinta. El trapping superpone levemente los colores adyacentes para que un desregistro de la prensa no abra huecos blancos entre ellos, y la imprenta necesita saber si eso ya se hizo: aplicar trapping a un archivo que ya lo tiene duplica las superposiciones, mientras que saltárselo a un archivo sin trapping arriesga huecos visibles. PDF/X por eso quiere /Trapped /True o /Trapped /False. Una clave faltante o /Unknown obliga a una persona a abrir el archivo, y el componente lo reporta como pvxiTrappedNotSet

Prohibiciones estructurales, y a qué parte aplican

La capa estructural de ValidatePdfX inspecciona los diccionarios del archivo en lugar de renderizar nada, y los contenidos de streams quedan fuera del escaneo. Un JPEG cuyos datos comprimidos casualmente contengan los bytes /JavaScript no puede producir un falso positivo. ValidatePdfX corre estas verificaciones sin importar qué parte reclame el archivo:

  • pvxiLzwForbidden: un filtro /LZWDecode aparece en cualquier parte; Flate hace el mismo trabajo y es lo que una reexportación debe usar
  • pvxiJavaScriptForbidden: hay una acción /JavaScript o un name tree presente
  • pvxiFormFieldsForbidden: existe un diccionario /AcroForm o una entrada /XFA
  • pvxiAdditionalActions: hay un diccionario de acciones adicionales /AA presente
  • pvxiEmbeddedFilesForbidden: hay /EmbeddedFiles o una anotación /FileAttachment presente
  • pvxiOpiForbidden: una entrada /OPI o /Alternates apunta a contenido de imagen reemplazable guardado en otro lado

Dos verificaciones más dependen de la parte que reclama el archivo, y ValidatePdfX las condiciona al Conformance detectado. pvxiTransparencyForbidden aplica solo a PDF/X-1a y PDF/X-3, donde un grupo de transparencia o una máscara suave activa no está permitido; los archivos PDF/X-4 y PDF/X-6 pueden conservar transparencia viva, así que los mismos objetos ahí no levantan nada. pvxiColorSpaceForbidden aplica solo a PDF/X-1a y se dispara con /DeviceRGB, /CalRGB o /Lab, porque X-1a es un intercambio de CMYK más tintas directas y los espacios independientes del dispositivo llegan con X-3. Un archivo cuya parte no se pudo identificar jamás se marca por una regla que quizás no le aplica

PDF/X-1a también recibe una mirada más de cerca a su perfil de salida. El /DestOutputProfile incrustado tiene que ser un perfil de salida ICC versión 2 (prtr) con un espacio de datos CMYK y las tablas de consulta que un RIP necesita para la conversión de color, y el /N del stream debe ser 4. Un perfil sRGB pegado por un writer de PDF genérico, o un perfil dañado, produce pvxiInvalidOutputProfile. El lado de escritura aplica la misma prueba: SaveAsPdfX con Conformance en pxc1a lanza EArgumentException cuando IccProfileData no es un perfil de salida CMYK ICC v2 utilizable, en lugar de escribir un archivo que el validador rechazaría un minuto después

Diagrama de TPdf.ValidatePdfX en el PDFium Component para Delphi que ejecuta un escaneo de tokens a nivel de bytes con verificaciones de marcadores, contenido y geometría de página más una pasada de incrustación de fuentes del modelo de objetos de PDFium, fusionándose en un record TPdfXValidationResult
ValidatePdfX ramifica un documento cargado por las verificaciones de contenido a nivel de bytes y la pasada de fuentes del modelo de objetos de PDFium, y después fusiona ambas capas en un único record de resultado tipado

Incrustación de fuentes, verificada dos veces

Las fuentes reciben dos verificaciones porque un escaneo de bytes solo puede responder parte de la pregunta. La capa estructural levanta pvxiFontNotEmbedded cuando el archivo usa fuentes pero no lleva ningún programa /FontFile, /FontFile2 ni /FontFile3. Esa regla es deliberadamente conservadora: contar descriptores de fuentes contra programas de fuentes se ve preciso pero falla en archivos donde varias fuentes comparten un descriptor. El costo es que un documento con nueve fuentes incrustadas y una fuente del sistema colada pasa el escaneo de bytes

La segunda capa cierra ese hueco a través del modelo de objetos de PDFium. TPdf.ValidatePdfX carga cada página, recorre sus objetos con FPDFPage_CountObjects y FPDFPage_GetObject, resuelve la fuente de cada objeto de texto con FPDFTextObj_GetFont, y pregunta con FPDFFont_GetIsEmbedded. Una sola fuente sin incrustar agrega pvxiPdfiumFontNotEmbedded y termina el recorrido, así que en un catálogo de 300 páginas que falla en su portada la respuesta vuelve después de la página uno. Esta capa necesita la librería PDFium cargada y una build que exporte FPDFFont_GetIsEmbedded; con una librería que carezca del export, la capa se salta y el veredicto a nivel de bytes queda por sí solo

Ambas verificaciones responden "incrustada o no". Cuando un cliente pregunta qué fuente en qué página causó el rechazo, el código de enumeración en analizar propiedades de fuentes PDF con PDFium en Delphi retoma donde se detiene el veredicto del validador. Un helper corto que convierta cada problema bloqueante en una frase que un diseñador entiende rinde mucho mientras tanto:

// Su propio helper: texto para el cliente de los problemas que bloquean un trabajo
function PdfXIssueText(Issue: TPdfXValidationIssue): string;
begin
  case Issue of
    pvxiMissingTrimBox:
      Result := 'No TrimBox: the finished page size is not defined';
    pvxiTrimBoxWithArtBox:
      Result := 'A page defines both TrimBox and ArtBox';
    pvxiPageBoxOutsideMediaBox:
      Result := 'TrimBox or BleedBox extends past the sheet';
    pvxiTrappedNotSet:
      Result := 'Trapped must be set to True or False';
    pvxiFontNotEmbedded, pvxiPdfiumFontNotEmbedded:
      Result := 'At least one font is not embedded';
    pvxiTransparencyForbidden:
      Result := 'Live transparency is not allowed in PDF/X-1a or PDF/X-3';
    pvxiColorSpaceForbidden:
      Result := 'RGB or Lab color is not allowed in PDF/X-1a';
    pvxiInvalidOutputProfile:
      Result := 'The output intent needs a CMYK printer profile';
  else
    Result := 'PDF/X requirement not met';
  end;
end;

procedure ReportBlocking(const Blocking: TPdfXValidationIssues);
var
  Issue: TPdfXValidationIssue;
begin
  for Issue in Blocking do
    Writeln('REJECT: ', PdfXIssueText(Issue));
end;

Verificar el archivo en disco sin la DLL de PDFium

La capa estructural también está disponible por sí sola como ValidatePdfXCompliance(Source: TStream), declarada en la unidad FPdfPdfx e implementada en FPdfPdfxEngine. Es Object Pascal puro sin ninguna dependencia de la librería PDFium, así que encaja donde un motor de renderizado no es bienvenido: un manejador de subidas en un servidor web, un paso de CI que evalúa artwork generado, o un servicio Lazarus en una plataforma donde usted preferiría no distribuir binarios nativos. Lee el stream tal cual se le da, lo que lo hace la herramienta correcta cuando la pregunta es "qué recibirá la imprenta" y no "cómo se vería este documento si se guardara otra vez"

uses
  Classes, FPdfPdfx,
  FPdfPdfxEngine; // solo el engine PDF/X a nivel de bytes, sin necesidad de la librería PDFium

function QuickPdfXGate(const FileName: string): Boolean;
var
  Fs: TFileStream;
  Res: TPdfXValidationResult;
begin
  Fs := TFileStream.Create(FileName, fmOpenRead or fmShareDenyWrite);
  try
    Res := ValidatePdfXCompliance(Fs);
    // IsCompliant ya rechaza pxcNone y pxcUnknown
    Result := Res.IsCompliant;
  finally
    Fs.Free;
  end;
end;

El stream necesita ser seekable, porque el validador lee los datos de referencias cruzadas desde el final del archivo. Los object streams comprimidos y los cross-reference streams, el layout habitual de un archivo PDF/X-4, se leen como cualquier otra estructura. En este camino el veredicto de fuentes es solo el de nivel de bytes, porque la verificación por objeto de texto necesita el modelo de objetos de PDFium. Corra ValidatePdfXCompliance como la primera compuerta barata en cada subida y reserve el TPdf.ValidatePdfX completo para los archivos que la pasen; los archivos rechazados jamás cuestan una carga de página

Dónde se detiene la compuerta y empieza la certificación

ValidatePdfX cubre marcadores de identificación, el output intent y su perfil, prohibiciones estructurales, reglas de transparencia y color por parte, geometría de páginas, la declaración de trapping y la incrustación de fuentes hasta los objetos de texto individuales. Los límites de cobertura de tinta, la resolución de imágenes y el nombrado de tintas directas pertenecen a un engine de preflight con gestión de color, la herramienta que una imprenta usa cuando certifica un trabajo. El valor de la compuerta dentro de la aplicación es el momento: cada rechazo estructural descrito arriba aparece mientras el cliente todavía está en la pantalla de subida. El mismo TPdfXValidationResult también alimenta el generador de reportes del componente, y construir un CLI de reporte de preflight por lotes con el PDFium Component muestra ese patrón aplicado sobre una carpeta de archivos. PDF/X comparte buena parte de su maquinaria con el PDF/A de archivo, desde la identificación XMP hasta los output intents, y el lado de archivo está cubierto en la validación de preflight PDF/A con el PDFium Component

Los validadores PDF/X, el writer SaveAsPdfX correspondiente para producir salida conforme, y las verificaciones de PDF/A, PDF/UA, PDF/E y PDF/VT construidas de la misma manera son parte de la edición Enterprise del PDFium Component para Delphi, C++Builder y Lazarus, así que un portal de impresión puede verificar lo que acepta con la misma librería que usa para renderizar vistas previas