Articolo tecnico

Incorporare font mancanti nei PDF per PDF/A in Delphi

Un PDF di un fornitore si vede perfettamente a schermo, eppure il validatore PDF/A lo rifiuta con una riga: 00030 At least one font is not embedded. Il viewer stava prendendo in prestito i font dalla tua macchina da sempre. Apri il descrittore font dentro il file e quasi tutto ciò che serve a un font incorporato è già lì, fino alla larghezza del fusto e al bounding box; ciò che manca è un riferimento a stream che tenga il programma del font in sé

La versione in batch di questa storia è familiare a chiunque gestisca una pipeline di ingestione d'archivio. Fatture, contratti e moduli scannerizzati arrivano da fornitori e bureau, ogni scrivania dell'edificio li renderizza bene, e il validatore rifiuta file dopo file con quella stessa riga. Nessuno a monte rigenererà nulla. La pipeline deve sistemare ciò che riceve, ed è il lavoro che questo articolo copre. Il suo compagno, l'articolo su individuare le violazioni PDF/A e PDF/UA con il report di preflight, ti dice quali file sono rotti; questo si occupa del modo singolo più frequente in cui si rompono

Cosa chiede davvero l'errore 00030

ISO 19005-1 §6.3.4 richiede che ogni font usato da un file conforme porti il suo programma font dentro quel file. Il ragionamento è puro logica d'archivio. Un documento aperto tra cinquant'anni, su una macchina che non condivide nessun font con quella che l'ha prodotto, deve renderizzare identico, e un font non incorporato è solo un'istruzione di andare a cercare qualcosa chiamato Arial su qualunque sistema stia leggendo. Qualunque glyph e metrica abbia il sostituto, quello è ciò che il reader vede

L'abitudine a non incorporare risale alla convenzione degli Standard 14. Il PDF delle origini promise che ogni viewer spedisce Helvetica, Times, Courier, Symbol e ZapfDingbats, così i generatori impararono a referenziarli per nome e a non incorporare niente. Parecchio tooling lo fa ancora. PDF/A revoca quell'esenzione, e losLab PDF Library for Delphi la applica sul lato scrittura: con modalità PDF/A o PDF/X attiva, AddStandardFont restituisce 0 senza selezionare alcun font, perché la libreria non bundla i contorni degli Standard 14 e non scriverà un riferimento che non può sostenere con un programma. AddTrueTypeFont con Embed=0 viene promosso a incorporamento completo sotto modalità PDF/A, mentre Embed=2 (subset) passa invariato dato che un subset è comunque un programma incorporato

Questo copre i file che scrivi tu. Il file di un fornitore è più difficile, perché i dizionari font li ha scritti il generatore di qualcun altro e non hai modo di chiedergli un secondo tentativo. Per quei file la libreria fornisce EmbedMissingFonts, che ripara un documento caricato sul posto copiando ogni programma mancante dai font installati nel descrittore che il documento porta già con sé

Perché a un font non incorporato basta una sola chiave in più?

Un generatore che scrive un font TrueType non incorporato produce comunque un FontDescriptor completo: FontName, FontBBox, Flags, Ascent, Descent, StemV, CapHeight. Ciò che lascia fuori è lo stream che tiene il programma del font, referenziato dal descrittore come /FontFile2 per i contorni TrueType o /FontFile3 per i font CID basati su CFF. Quindi EmbedMissingFonts aggiunge esattamente quello. Legge i byte del programma, li scrive come un nuovo stream compresso Flate con una voce /Length1, e attacca il riferimento al descrittore che è già lì

Diagramma PDF Library for Delphi di un dizionario FontDescriptor prima e dopo EmbedMissingFonts: ogni voce già presente e solo lo stream FontFile2 mancante accodato dal font di sistema installato
EmbedMissingFonts aggiunge un riferimento a stream a un descrittore già completo

Pensiamo che questo approccio sul posto sia il predefinito giusto per i file ereditati, e il motivo è l'array Widths. Le posizioni del testo in un content stream PDF sono già fissate; il viewer avanza con le larghezze che il generatore originale ha registrato. Ricostruire il dizionario font dal font installato sostituirebbe quelle larghezze con misure fresche, e se la versione installata della faccia differisce anche di poco da quella dell'autore, hai cambiato il documento che dovevi preservare. Lasciare intatti dizionario, codifica, larghezze e ogni content stream significa che le pagine puntano ancora agli stessi nomi di risorsa con le stesse metriche

La passeggiata copre ogni dizionario Font nel file, non solo quelli raggiungibili dalle risorse di pagina, quindi anche i font usati solo nelle appearance di annotazioni o condivisi tra pagine vengono raccolti. I font compositi Type0, il tipo prodotto per il testo CJK e per la maggior parte dell'output Unicode moderno, vengono gestiti attraverso il loro CIDFont discendente. L'intera riparazione è una chiamata su un documento caricato:

var
  PDF: TPDFlib;
  Repaired: Integer;
begin
  PDF := TPDFlib.Create;
  try
    if PDF.LoadFromFile('supplier-invoice.pdf', '') <> 1 then
      raise Exception.Create('Could not load PDF');

    // Restituisce quanti font hanno ottenuto un programma. I font già
    // incorporati restano come sono; i font senza corrispondente installato
    // vengono saltati e semplicemente non contati.
    Repaired := PDF.EmbedMissingFonts;
    Writeln(Format('%d font program(s) embedded', [Repaired]));

    PDF.SaveToFile('supplier-invoice-repaired.pdf');
  finally
    PDF.Free;
  end;
end;

Come la ricerca nei font installati abbina i nomi

I nomi BaseFont nei file reali raramente combaciano col nome di famiglia che Windows conosce. EmbedMissingFonts normalizza ogni nome prima della ricerca:

  • Un prefisso di subset (sei lettere maiuscole e un segno più, come in KQBWTE+Calibri) viene tolto
  • Tutto ciò che segue la prima virgola o trattino viene letto come stile, così Arial,BoldItalic e Arial-BoldMT chiedono entrambi una faccia bold, e Italic o Oblique chiede una italic
  • I suffissi finali MT e PS vengono scartati, così ArialMT si risolve in Arial
  • Quando la faccia vive dentro una TrueType Collection (.ttc), gli offset delle tabelle vengono aggiustati così il programma incorporato è un font autonomo valido

Il problema più difficile è che il mapper dei font di Windows non dice mai no. Chiedi a GDI una famiglia non installata e ti riconsegna una faccia sostitutiva senza protestare; chiedi bold su una famiglia che ha solo la faccia regolare e ingrossa i contorni a schermo. Uno dei due risultati ti darebbe un programma font perfettamente caricabile che è il font sbagliato. Quindi la ricerca controlla la faccia che GDI ha davvero selezionato contro la famiglia richiesta, ignorando spazi e maiuscole, e controlla i bit bold e italic della faccia contro lo stile richiesto. Un disallineamento su uno dei due significa che il font viene saltato

È un cambio deliberato. Una ricerca più permissiva alzerebbe il conteggio delle riparazioni su ogni batch, e qualcuna di quelle "riparazioni" incorporerebbe Arial Regular sotto un font che il documento chiama Arial,Bold. ISO 19005-1 §6.3.6 richiede che le larghezze nel dizionario font concordino col programma incorporato, così un quasi-centrato può scambiare l'errore 00030 con un errore di coerenza delle larghezze, e nel caso peggiore passa la validazione renderizzando leggermente diverso da come intendeva l'autore. Preferiamo riportare un salto che archiviare un'ipotesi

La ricerca legge i font installati attraverso GDI di Windows. Sulle build Linux o macOS il percorso di sistema non restituisce nulla, e la chiamata basata su file della sezione successiva è il modo di fornire i programmi

Cosa succede quando il font non è installato?

Te lo dice il valore di ritorno. Se EmbedMissingFonts riporta meno font di quanti sai essere mancanti, la differenza sono font che la macchina non ha, o non ha nello stile giusto. Per quelli, EmbedFontProgramFromFile(FontName, FileName) attacca un programma da un file .ttf o .otf che fornisci tu, il che lascia che una pipeline spedisca le facce aziendali che si aspetta di incontrare e ci ricada di proposito

Flusso decisionale PDF Library for Delphi che enumera ogni dizionario font, normalizza i nomi BaseFont contro il sistema installato, incorpora i programmi trovati con EmbedFontProgram o ricade su EmbedFontProgramFromFile, e riporta il conteggio delle riparazioni
La normalizzazione dei nomi rende tollerante la ricerca di sistema, e il conteggio restituito tiene visibili i font saltati

Il pattern che in pratica funziona meglio è due passaggi. Esegui EmbedMissingFonts e salva, poi carica il risultato, enumera ciò che resta non incorporato, e offri ogni nome rimasto alla tua cartella di font. Il ricaricamento conta: il flag incorporato che GetFontIsEmbedded riporta per un font enumerato riflette il file com'era quando è girato FindFonts, quindi enumerare nella stessa sessione della riparazione mostrerebbe risposte stantie

function FontFileFor(const BaseFont: string): string;
begin
  // Un tuo aiutante (non parte della libreria): mappa i nomi font
  // del documento su file font spediti con l'applicazione.
  // Un risultato vuoto fa restituire 0 a EmbedFontProgramFromFile
  // senza toccare il file system.
  if Pos('CorporateSans', BaseFont) > 0 then
    Result := ExtractFilePath(ParamStr(0)) + 'fonts\CorporateSans.ttf'
  else
    Result := '';
end;

procedure EmbedFromShippedFonts(const InFile, OutFile: string);
var
  PDF: TPDFlib;
  I, FontID: Integer;
  Name: string;
begin
  PDF := TPDFlib.Create;
  try
    if PDF.LoadFromFile(InFile, '') <> 1 then
      Exit;
    PDF.FindFonts;
    for I := 1 to PDF.FontCount do
    begin
      FontID := PDF.GetFontID(I);
      if (FontID > 0) and (PDF.SelectFont(FontID) = 1) and
         (PDF.GetFontIsEmbedded = 0) then
      begin
        // Passa il nome esattamente com'è memorizzato, prefisso subset incluso
        Name := PDF.FontName;
        if PDF.EmbedFontProgramFromFile(Name, FontFileFor(Name)) = 0 then
          Writeln('Still not embedded: ', Name);
      end;
    end;
    PDF.SaveToFile(OutFile);
  finally
    PDF.Free;
  end;
end;

Tre dettagli decidono se quel ciclo riesce. Le chiamate per nome, EmbedFontProgram per il font installato e EmbedFontProgramFromFile per un file, confrontano con la BaseFont esattamente come la memorizza il documento e agiscono sul primo dizionario Font che porta quel nome, ed è per questo che il ciclo passa PDF.FontName dritto com'è invece di un nome di famiglia ripulito. Il formato del programma deve connacere col tipo di font: dati TrueType a contorni di glyph per un font TrueType o CIDFontType2, un programma OpenType CFF (uno che inizia col tag OTTO) per un font CIDFontType0, che poi viene scritto come /FontFile3 con subtype OpenType. Consegna un file CFF a un font TrueType e la chiamata restituisce 0. E il percorso di riparazione copre font TrueType e CID; il /FontFile di un font Type1 richiede il layout PFB a tre segmenti con chiavi di lunghezza esplicite, quindi i riferimenti Type1 vengono saltati e lasciati al conteggio di ritorno da segnalare. I riferimenti agli Standard 14 di solito sono scritti come Type1, quindi aspettati di vederli in quella lista dei resti

C'è anche una domanda a cui la libreria non può rispondere per te. I permessi di incorporamento di un font TrueType appartengono alla sua foundry, e una pipeline che scrive programmi sotto licenza in documenti che lasciano l'organizzazione ha bisogno di qualcuno che confermi che le licenze lo permettano. Il codice incorporerà qualunque file tu gli punti. Se tu possa farlo è una domanda legale

Chiudere il cerchio con CreatePreflightReport

L'audit che ha rifiutato il file dovrebbe essere quello che lo assolve. CreatePreflightReport con ComplianceTests = 1 esegue i controlli PDF/A, e il rilievo 00030 viene riportato una volta per l'intero file, così un solo font trascurato lo tiene in vita nel report. Eseguilo sulla sorgente, ripara e salva, poi eseguilo di nuovo sull'output

PDF Library for Delphi: ciclo di riparazione chiuso in cui CreatePreflightReport contrassegna il codice errore 00030, EmbedMissingFonts incorpora i font contrassegnati, SaveToFile scrive il PDF riparato e una seconda esecuzione del rapporto verifica che il lotto passi
Eseguire prima il report di preflight, lasciare che guidi la riparazione, poi lasciare che lo stesso audit certifichi l'output
function HasFontEmbeddingViolation(PDF: TPDFlib;
  const FileName: string): Boolean;
var
  Report: string;
begin
  // ComplianceTests = 1 seleziona i controlli PDF/A
  Report := PDF.CreatePreflightReport(FileName, '', 1, 0);
  Result := Pos('00030', Report) > 0;
end;

Un risultato sorprende la gente la prima volta. Il controllo dei font ignora i font che il contenuto disegna solo in modo invisibile, in text rendering mode 3, che è come la maggior parte dei motori OCR stende uno strato di testo ricercabile sopra un'immagine scannerizzata. Un file scannerizzato può quindi passare lo 00030 mentre FindFonts elenca ancora una faccia non incorporata. È coerente con come PDF/A tratta il testo invisibile, e significa che un elenco per font e il verdetto per file possono legittimamente essere in disaccordo sullo stesso documento

Per i log batch che devono nominare esattamente quale faccia in quale file è restata non incorporata, l'elenco per font è lo strumento migliore: carica l'output, chiama FindFonts, poi SelectFont e GetFontIsEmbedded per ogni voce. L'articolo su estrarre testo, immagini e font da PDF caricati usa la stessa enumerazione per alimentare l'estrazione invece della riparazione

L'incorporamento risolve un rilievo, e il tuo output non dovrebbe mai averne bisogno

Incorporare i font elimina l'errore 00030 e nient'altro. Un file che fallisce anche per cifratura, metadati XMP mancanti, uno spazio colore dipendente dal dispositivo senza OutputIntent, o font privi di mappe ToUnicode fallirà comunque dopo che ogni programma è al suo posto, quindi la riparazione sta dentro il ciclo di preflight e lavora su ciò che il report nomina. La dimensione è l'altro costo. Un programma font CJK completo può arrivare a parecchi megabyte, e incorporarne qualcuno può rendere una fattura di una pagina molte volte la sua dimensione originale; l'articolo su ottimizzazione della dimensione dei PDF e subsetting dei font copre la riduzione di ogni programma incorporato ai glyph che le pagine usano davvero

Sul lato scrittura, SetEmbedAllFonts(1) impedisce al tuo codice di produrre i file che questo articolo ripara. Applica la stessa promozione che la modalità PDF/A usa su un documento ordinario: qualunque successiva chiamata AddTrueTypeFont con Embed=0 incorpora il programma completo. L'impostazione appartiene al documento selezionato e tocca i font aggiunti dopo la chiamata, quindi impostala subito dopo NewDocument. Il nostro consiglio è attivarla per tutto ciò che potrebbe finire in un archivio, PDF/A o meno, dato che i file che crei oggi sono i file ereditati di chi li leggerà dopo

PDF.NewDocument;
PDF.SetEmbedAllFonts(1);
// Da qui in poi AddTrueTypeFont('Segoe UI', 0) incorpora il
// programma completo, esattamente come AddTrueTypeFont('Segoe UI', 1)
PDF.AddTrueTypeFont('Segoe UI', 0);

Il percorso carica-ripara-salva, il fallback basato su file e la guardia lato scrittura viaggiano tutti in losLab PDF Library per Delphi, C# e VB.NET, insieme al motore di preflight usato sopra per confermare il risultato; la pagina del prodotto documenta il resto dell'API dei font, inclusi ispezione e subsetting per singolo font