Artículo técnico

Validación de PDF/X en Delphi con el PDFium Component

Un folleto de una página con un titular Helvetica se ve perfecto en todos los visores de la mesa del diseñador, porque cada visor sustituye en silencio Helvetica por una fuente del sistema. El RIP del proveedor de servicios de impresión no tiene semejante licencia. Todas las partes de la ISO 15930 exigen 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 folleto vuelve con «font not embedded» por una fuente que nadie del lado del diseño vio nunca faltar. Comprobaciones como esa, junto con los page boxes, la declaración de trapping y el output intent, pueden correr dentro de su propia aplicación Delphi antes de que se pulse el botón de subir

Qué tiene que demostrar un archivo PDF/X a una imprenta que nunca ha visto

PDF/X existe para el intercambio a ciegas: un diseñador envía un archivo a una imprenta con la que nunca ha hablado, y la imprenta produce una salida correcta sin una llamada por fuentes que faltan o por una imagen enlazada que se quedó en el portátil de alguien. Las fuentes deben ir incrustadas porque no se puede asumir que el RIP receptor las tenga. Las referencias externas están prohibidas porque el archivo tiene que ser completo en sí mismo. Las funciones interactivas están prohibidas porque la tinta no tiene handler de clic

PDFium Component reporta qué parte reclama un archivo mediante la enumeración TPdfXConformance. pxc1a es PDF/X-1a:2001 (ISO 15930-1), el intercambio estricto CMYK más tintas directas sobre base PDF 1.3/1.4. pxc3 es PDF/X-3:2002 (ISO 15930-3), que admite RGB, Lab y color 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 obtiene cuando no hay documento cargado

La identificación en sí es un pequeño manojo de marcadores que tienen que estar de acuerdo entre sí. El packet XMP lleva pdfxid:GTS_PDFXVersion junto con la descripción del esquema de extensión y xmp:CreateDate / xmp:ModifyDate; el diccionario Info repite /GTS_PDFXVersion, y las dos cadenas 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 una de estas cosas se mapea a su propio valor en TPdfXValidationIssue, desde pvxiMissingPdfXIdentifier pasando por pvxiInfoVersionMismatch, pvxiOutputIntentMissingIdentifier y pvxiEncryptionPresent

Ejecutar TPdf.ValidatePdfX como puerta de impresión

TPdf.ValidatePdfX no recibe argumentos y devuelve un registro TPdfXValidationResult con dos campos, Conformance e Issues (un conjunto Pascal de TPdfXValidationIssue), más un método IsCompliant. La validación PDF/X pertenece a la edición Enterprise: añada FPdfEnterprise a una cláusula uses, con Lib\Enterprise y Lib\SmallBusiness en el search path, y el validador queda enlazado dentro de su ejecutable. Sin esa unidad la llamada lanza EPdfEnterpriseRequired, fácil de ver en la primera ejecución de prueba

IsCompliant es estricto a propósito. Devuelve True solo cuando Conformance es uno de pxc1a, pxc3, pxc4 o pxc6 y el conjunto de issues está vacío, y eso incluye pvxiMissingTitle. La norma redacta el Title como recomendación, mientras que la mayoría de las demás comprobaciones son requisitos duros. Rechazar el trabajo de un cliente porque el diccionario Info no tiene /Title es de las clases de rechazo que hacen que la gente deje de fiarse de la puerta, así que parta el conjunto y deje los items consultivos fuera de la decisión de pasa/no pasa:

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

const
  // Su política propia: issues 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 items consultivos
    Result := (Res.Conformance in [pxc1a, pxc3, pxc4, pxc6]) and
      (Blocking = []);
  finally
    Pdf.Free;
  end;
end;

Un archivo que nunca reclamó ser PDF/X falla esta puerta con una lista larga de issues: sin metadatos XMP, sin identificador, sin output intent, sin entrada de versión en el Info. La lista sigue mereciendo mostrarse, porque se lee como una lista de tareas para quien tenga que exportar el archivo otra vez. Una propiedad más de ValidatePdfX importa en una aplicación de edición: comprueba el documento tal como el componente lo guardaría ahora mismo, así que las páginas que usted añadió o los metadatos que cambió después de cargar forman parte de lo validado

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

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

Diagrama de PDFium Component de una página PDF lista para impresión mostrando 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 lanzado 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 ejecuta tres comprobaciones de geometría. pvxiMissingTrimBox salta cuando no aparece ninguna clave /TrimBox en el archivo. pvxiTrimBoxWithArtBox salta cuando una página lleva /TrimBox y /ArtBox a la vez. pvxiPageBoxOutsideMediaBox salta cuando un /TrimBox o un /BleedBox se extiende más allá del /MediaBox, lo cual describe un área que la prensa no puede imprimir. Los rectángulos pueden listar sus esquinas en cualquier orden, así que ambos se normalizan antes de comparar

Las comprobaciones 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 productor escribe cajas, escríbalas directamente en cada página para que cada una reciba la prueba completa de contención

La clave /Trapped del diccionario Info responde a una pregunta de producción distinta. El trapping solapa ligeramente colores adyacentes para que un desregistro de prensa no abra huecos blancos entre ellos, y la imprenta necesita saber si eso ya se hizo: aplicar trapping a un archivo ya atrapado duplica los solapes, mientras que saltárselo a un archivo sin trapping arriesga huecos visibles. PDF/X quiere por tanto /Trapped /True o /Trapped /False. Una clave ausente 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 sin renderizar nada, y los contenidos de streams se mantienen fuera del escaneo. Un JPEG cuyos datos comprimidos contengan por casualidad los bytes /JavaScript no puede producir un falso positivo. ValidatePdfX ejecuta estas comprobaciones sea cual sea la parte que reclame el archivo:

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

Dos comprobaciones más dependen de la parte que reclama el archivo, y ValidatePdfX las porta según la Conformance detectada. pvxiTransparencyForbidden aplica solo a PDF/X-1a y PDF/X-3, donde no se permite un grupo de transparencia o una máscara suave activa; 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 salta con /DeviceRGB, /CalRGB o /Lab, porque X-1a es un intercambio 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 podría no aplicarle

PDF/X-1a recibe además un vistazo más de cerca a su perfil de salida. El /DestOutputProfile incrustado tiene que ser un perfil de salida ICC versión 2 (prtr) con espacio de datos CMYK y las tablas de búsqueda que un RIP necesita para la conversión de color, y el /N del stream debe ser 4. Un perfil sRGB pegado por un writer PDF genérico, o un perfil dañado, produce pvxiInvalidOutputProfile. El lado writer aplica la misma prueba: SaveAsPdfX con Conformance a 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 PDFium Component para Delphi ejecutando un escaneo de tokens a nivel de bytes con comprobaciones de marcador, de contenido y de geometría de página y una pasada de incrustación de fuentes del modelo de objetos PDFium, fusionándose en un único registro TPdfXValidationResult
ValidatePdfX ramifica un documento cargado a través de las comprobaciones 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 registro de resultado tipado

Incrustación de fuentes, comprobada dos veces

Las fuentes reciben dos comprobaciones porque un escaneo de bytes solo responde a parte de la pregunta. La capa estructural levanta pvxiFontNotEmbedded cuando el archivo usa fuentes pero no lleva programa alguno /FontFile, /FontFile2 o /FontFile3. Esa regla es deliberadamente conservadora: contar descriptores de fuente contra programas de fuente parece preciso pero se equivoca en archivos donde varias fuentes comparten un descriptor. El coste 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 a FPDFFont_GetIsEmbedded. Una sola fuente sin incrustar añade pvxiPdfiumFontNotEmbedded y termina el recorrido, así que en un catálogo de 300 páginas que falle en la portada la respuesta vuelve tras la página uno. Esta capa necesita la biblioteca PDFium cargada y una build que exporte FPDFFont_GetIsEmbedded; con una biblioteca que carezca del export, la capa se salta y el veredicto a nivel de bytes se mantiene por sí solo

Ambas comprobaciones responden «incrustada o no». Cuando un cliente pregunta qué fuente en qué página provocó el rechazo, el código de enumeración de analizar propiedades de fuentes PDF con PDFium en Delphi retoma donde se detiene el veredicto del validador. Un ayudante corto que convierta cada issue bloqueante en una frase que un diseñador entienda ayuda mucho mientras tanto:

// Ayudante propio: texto de cara al cliente para los issues 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;

Comprobar el archivo en disco sin la DLL de PDFium

La capa estructural también está disponible por separado como ValidatePdfXCompliance(Source: TStream), declarada en la unidad FPdfPdfx e implementada en FPdfPdfxEngine. Es Object Pascal plano sin dependencia alguna de la biblioteca PDFium, así que encaja donde un motor de renderizado no es bienvenido: un handler de subida en un servidor web, un paso de CI que examine material gráfico generado, o un servicio Lazarus en una plataforma donde preferiría no enviar binarios nativos. Lee el stream exactamente como se lo dan, lo que lo convierte en la herramienta correcta cuando la pregunta es «qué recibirá la imprenta» y no «cómo quedaría este documento si se guardara otra vez»

uses
  Classes, FPdfPdfx,
  FPdfPdfxEngine; // solo el motor PDF/X a nivel de bytes, sin necesidad de la biblioteca 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 posicionable, 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 comprobación por objeto de texto necesita el modelo de objetos de PDFium. Ejecute ValidatePdfXCompliance como la primera puerta 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 puerta 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 página, la declaración de trapping y la incrustación de fuentes hasta el objeto de texto individual. Los límites de cobertura de tinta, la resolución de imágenes y el nombrado de tintas directas pertenecen a un motor de preflight con gestión de color, la herramienta que una imprenta usa cuando certifica un trabajo. El valor de la puerta dentro de la aplicación es el momento: cada rechazo estructural descrito arriba aparece mientras el cliente sigue en la pantalla de subida. El mismo TPdfXValidationResult alimenta además el generador de informes del componente, y construir un CLI de informes preflight por lotes con el PDFium Component muestra ese patrón aplicado a 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 preflight PDF/A con el PDFium Component

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