Automatizált PDF preflight és kockázatellenőrzés a PDFiummal

A vállalati nyomtatási, archiválási és dokumentummegfelelőségi munkafolyamatokban egy PDF fájlt nem lehet egyszerűen csak "renderelni". Auditálni kell. Egy PDF tartalmazhat nem lelapított (unflattened) átlátszósági csoportokat, amelyek összeomlasztják a régebbi raszteres képfeldolgozókat (RIP), beágyazott JavaScriptet, amely biztonsági kockázatot jelent, vagy alacsony felbontású képeket, amelyek szörnyen fognak kinézni 300 DPI-s nyomtatáskor.

Egy PDF-nek a termelési munkafolyamatba lépés előtti ellenőrzési folyamatát Preflight-nak (előzetes ellenőrzésnek) nevezzük. Ebben a cikkben megvizsgáljuk, hogyan építhető automatizált preflight és kockázatellenőrző eszköz Delphiben a PDFium alacsony szintű elemzési (parsing) képességeinek kihasználásával.

Főbb Preflight ellenőrzések

Egy szabványos kockázati audit általában a következő elemeket ellenőrzi a PDF-ben:

• Interaktív elemek: JavaScript műveletek, Indítási (Launch) műveletek (külső programok végrehajtása) és AcroFormok.
• Erőforrás metrikák: Alacsony felbontású képek jelenléte vagy hiányzó beágyazott betűtípusok.
• Biztonsági állapot: Dokumentumtitkosítás, jelszókövetelmények és hozzáférési jogosultságok (pl. nyomtatás letiltva).
• Dokumentumszabványok: A PDF/A vagy PDF/X megfelelőségi jelölők érvényesítése a dokumentum metaadataiban.

PDF metaadatok és annotációk kinyerése a PDFiummal

A PDFium egy robusztus C API-t biztosít, amelyet a Delphi képes használni. A preflight audit elvégzéséhez nem csak rendereljük az oldalt; végigjárjuk a PDF objektumfát. Nézzük meg, hogyan lehet végigiterálni a dokumentum oldalain, és megvizsgálni az annotációkat a potenciálisan kockázatos JavaScript műveletek megtalálása érdekében.

uses
  System.SysUtils, pdfium_lib;

procedure AuditPdfSecurity(const FileName: string);
var
  Doc: FPDF_DOCUMENT;
  PageCount, i, j: Integer;
  Page: FPDF_PAGE;
  AnnotCount: Integer;
  Annot: FPDF_ANNOTATION;
  AnnotSubType: FPDF_ANNOTATION_SUBTYPE;
  Action: FPDF_ACTION;
  ActionType: ULONG;
begin
  FPDF_InitLibrary();
  try
    // Load the document without a password
    Doc := FPDF_LoadDocument(PAnsiChar(AnsiString(FileName)), nil);
    if Doc = nil then
      raise Exception.Create('Failed to load document or password required.');
      
    try
      PageCount := FPDF_GetPageCount(Doc);
      Writeln(Format('Auditing %d pages...', [PageCount]));
      
      for i := 0 to PageCount - 1 do
      begin
        Page := FPDF_LoadPage(Doc, i);
        if Page <> nil then
        begin
          AnnotCount := FPDFPage_GetAnnotCount(Page);
          for j := 0 to AnnotCount - 1 do
          begin
            Annot := FPDFPage_GetAnnot(Page, j);
            if Annot <> nil then
            begin
              AnnotSubType := FPDFAnnot_GetSubtype(Annot);
              
              // Check for Link Annotations that might have malicious actions
              if AnnotSubType = FPDF_ANNOT_LINK then
              begin
                Action := FPDFAnnot_GetLinkAction(Annot);
                if Action <> nil then
                begin
                  ActionType := FPDFAction_GetType(Action);
                  // 2 represents PDFACTION_URI, 3 represents PDFACTION_SOUND, 4 represents PDFACTION_MOVIE
                  // We specifically look out for PDFACTION_LAUNCH or PDFACTION_JAVA_SCRIPT
                  if (ActionType = PDFACTION_JAVA_SCRIPT) or (ActionType = PDFACTION_LAUNCH) then
                  begin
                    Writeln(Format('WARNING: Malicious action detected on page %d', [i + 1]));
                  end;
                end;
              end;
              FPDFPage_CloseAnnot(Annot);
            end;
          end;
          FPDF_ClosePage(Page);
        end;
      end;
    finally
      FPDF_CloseDocument(Doc);
    end;
  finally
    FPDF_DestroyLibrary();
  end;
end;

Képfelbontás ellenőrzése

Egy másik kritikus preflight lépés a nyomtatási munkafolyamatok esetében annak biztosítása, hogy egyetlen kép se essen egy meghatározott DPI küszöbérték alá. A PDFium lehetővé teszi a képobjektumok közvetlen kinyerését az oldalstream-ből. Ha elosztja a kinyert kép pixelméretét a PDF-oldalon elfoglalt fizikai méretével (pontokban megadva), kiszámíthatja az effektív DPI-t.

procedure AuditPageImages(Page: FPDF_PAGE);
var
  ObjCount, i: Integer;
  PageObj: FPDF_PAGEOBJECT;
  ImgWidth, ImgHeight: Integer;
begin
  ObjCount := FPDFPage_CountObjects(Page);
  for i := 0 to ObjCount - 1 do
  begin
    PageObj := FPDFPage_GetObject(Page, i);
    if FPDFPageObj_GetType(PageObj) = FPDF_PAGEOBJ_IMAGE then
    begin
      FPDFImageObj_GetBitmap(PageObj); // Returns an FPDF_BITMAP you can inspect
      // Retrieve metadata using FPDFImageObj_GetImageMetadata
      // Calculate effective DPI based on quad coordinates
    end;
  end;
end;

Integráció a PDFium Component-szal

Egy robusztus preflight motor nulláról történő felépítése a nyers PDFium C API használatával jelentős mennyiségű "boilerplate" kódot és a PDF specifikáció mélyreható ismeretét igényli. Egy wrapper (burkoló) használata ezt mérhetetlenül leegyszerűsíti. Egy magas szintű Delphi wrapperrel a bonyolult C pointer iterációkat tiszta, objektumorientált kóddá alakíthatja.

A preflight fázis automatizálásával megakadályozhatja, hogy a hibás fájlok eltömítsék a termelési folyamatot, időt és renderelési erőforrásokat takarítva meg ezáltal.

Megjegyzés: A fejlett PDF-elemzési és preflight képességeket teljes mértékben támogatja a PDFium Component.