Articolo tecnico

PDF/UA-1 vs PDF/UA-2: le regole di accessibilità cambiate

Una checklist PDF/UA-1 interna boccia un export PDF/UA-2 che veraPDF passa, segnalando una figura taggata /ActualText (), annotazioni link senza /Contents e un albero di struttura che mescola namespace. Ognuna di esse è conforme a ISO 14289-2:2024, quindi il set di regole deve seguire la parte che ogni file dichiara, che è la prima cosa che TPdf.ValidatePdfUa in PDFium Component legge

Il pdfuaid:part dichiarato commuta il set di regole PDF/UA in PDFium Component per Delphi, dove un solo valore di issue nomina regole diverse sotto PDF/UA-1 e PDF/UA-2
La parte dichiarata nell'XMP sceglie il set di regole, e lo stesso valore di issue può nominare due regole diverse attraverso PDF/UA-1 e PDF/UA-2

La parte dichiarata decide quali regole si applicano

Ogni file PDF/UA nomina la sua parte nei metadati XMP con pdfuaid:part, e PDF/UA-2 aggiunge due condizioni sue: una voce di revisione e un file che dichiara PDF 2.0. Quella dichiarazione è l'interruttore. TPdf.ValidatePdfUa restituisce un TPdfUaValidationResult il cui campo Conformance riporta puc1 o puc2, pucNone per un file accertato che non dichiara PDF/UA, o pucUnknown quando la dichiarazione non si può determinare, e il cui set Issues tiene solo i rilievi che si applicano a quella parte. Alcuni valori di issue stanno per una regola nella parte 1 e per una più larga nella parte 2. pvuaiActionTargetMissing su un file parte 1 significa che un'azione GoToR, URI o SubmitForm non ha la sua chiave di destinazione (§7.18.5); su un file parte 2 può anche significare una destinazione che non porta a un structure element (§8.8). pvuaiAnnotationMissingContents su un file parte 2 include i widget senza etichetta. Quindi stampate la parte accanto a ogni report:

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 è true solo quando la parte è 1 o 2 e l'issue set è vuoto, così un file senza dichiarazione PDF/UA non riporta mai come conforme per sbaglio. Il confronto con veraPDF ha un'insidia tutta sua. Lo strumento da riga di comando esce con codice 1 per un file non conforme. Scrive comunque il report XML completo sullo standard output, e uno script che si ferma al codice di uscita butta via i numeri di regola. Leggete il report

Quali lamentele UA-1 sono falsi allarmi sotto PDF/UA-2?

Ogni lamentela dell'esempio d'apertura applica una regola che PDF/UA-2 non contiene in quella forma. Cominciate dalla figura, dove l'errore di norma siede nel codice di parsing. ISO 14289-2 §8.2.5.28.2 chiede a una Figure di portare una chiave /Alt o /ActualText, e il test è se la chiave esista: /ActualText () è conforme, e solo una figura senza nessuna delle due chiavi fallisce. Un reader che tiene entrambi i valori in stringhe semplici collassa "presente ma vuoto" e "assente" nella stessa '', e il checker allora riporta testo alternativo mancante su una figura che ce l'ha. Memorizzate un flag di presenza accanto a ogni stringa quando parstate lo structure element. Una /ActualText vuota è una descrizione debole che un revisore umano può ancora voler vedere, ma un validatore parte 2 non ha basi per bocciarla

La regola dei link è sparita. PDF/UA-1 §7.18.5 esige che ogni annotazione link porti /Contents; PDF/UA-2 non mette nessuna regola sulle chiavi di annotazione al suo posto e vincola la struttura in §8.2.5.20. Le annotazioni che portano a destinazioni diverse devono sedere in elementi di struttura Link o Reference separati, così un singolo elemento Link che avvolge insieme un salto al capitolo 2 e un URI verso un sito esterno fallisce la parte 2 anche quando entrambe le annotazioni portano /Contents. Le due parti testano cose diverse — il testo sull'annotazione nell'una, il raggruppamento nell'albero nell'altra. PDFium Component applica il requisito /Contents dei link solo ai file che dichiarano parte 1

La lamentela sui namespace viene dal leggere il documento sbagliato. ISO 14289-2 §8.2.4 tiene quattro regole: un tipo di struttura non standard deve mappare a un tipo standard, nessuna mappatura può essere circolare, nessun tipo può mappare dentro lo stesso namespace esplicito, e nessun tipo standard può essere rimappato a uno non standard. ISO/TS 32005 §5.3 aggiunge una raccomandazione per i documenti che mescolano namespace — usare il namespace PDF 2.0 per i tipi che condividono — e quella raccomandazione non è tra le condizioni di conformità PDF/UA-2. Una checklist che boccia secca su §5.3 rifiuta alberi misti validi, come un albero PDF 2.0 che porta formule MathML. Risolvere un tipo personalizzato attraverso /RoleMapNS verso uno standard è un lavoro a sé, mostrato nella validazione PDF/UA-2 con role map e namespace

Tre lamentele di checklist PDF/UA-1 che passano sotto ISO 14289-2: ActualText vuoto sulle figure, annotazioni link e mescolanza di namespace, così come PDFium Component le filtra in Delphi
Ogni lamentela applica una regola che PDF/UA-2 non contiene in quella forma, quindi il controllo sta dietro alla parte dichiarata invece che in una checklist condivisa

Le regole che PDF/UA-2 ha aggiunto o inasprito

La direzione opposta è quella costosa. Una checklist UA-1 fa passare i file qui sotto, e i fallimenti compaiono solo quando qualcuno fa girare un validatore parte 2:

  • I widget vogliono un'etichetta o una descrizione. PDF/UA-1 §7.18.1 esenta le annotazioni widget da /Contents perché il tag Form di §7.18.4 le copre. PDF/UA-2 §8.10.2.3 richiede /Contents su qualunque widget il cui structure element non ha un figlio Lbl. Il tooltip /TU del campo non conta come etichetta
  • Gli allegati dichiarano la loro relazione. §8.9.2.4.10 richiede che la file specification di un'annotazione FileAttachment porti /AFRelationship — Source, Data, Alternative, Supplement e gli altri valori che PDF/A-3 usa già per gli associated files e AFRelationship
  • Le intestazioni sono numerate. PDF/UA-1 accetta il tag generico H o intestazioni numerate H1…Hn, purché un solo documento non le mescoli (§7.4.4). PDF/UA-2 §8.2.5.12 vieta secca il generico H, così uno schema di tagging costruito su elementi H semplici vuole una rimappatura prima che l'export possa dichiarare parte 2
  • Le destinazioni portano alla struttura. §8.8 richiede che gli obiettivi di navigazione siano structure destinations nel senso di ISO 32000-2 §12.3.2.3: un array di destinazione il cui primo elemento è uno structure element, o un'azione GoTo con /SD

Lasciate stare le vecchie regole. Quando una checklist cresce la copertura parte 2, la modifica ovvia è cancellare l'esenzione widget di §7.18.1 così che i widget senza /Contents vengano segnalati, e quella modifica fa fallire a moduli parte 1 conformi una regola che il loro standard non ha mai avuto. Aggiungete il controllo widget parte 2 accanto all'esenzione e filtraino sulla parte dichiarata. È così che PDFium Component riporta la regola dei widget — l'esenzione parte 1 resta in vigore, e un widget parte 2 senza etichetta né /Contents compare come pvuaiAnnotationMissingContents

Matrice che confronta PDF/UA-1 e PDF/UA-2 su etichette dei widget, AFRelationship, intestazioni generiche e structure destinations, i quattro controlli che PDFium Component filtra per parte in Delphi
Le aggiunte parte 2 corrono accanto alle regole parte 1 invece di sostituirle, il che tiene i moduli PDF/UA-1 conformi al sicuro in PDFium Component per Delphi

Come si testa una structure destination senza falsi riscontri?

Leggete la chiave che la specifica dice vincere. ISO 32000-2 Table 202 rende /D richiesta su ogni azione GoTo e /SD opzionale, e dice che la structure destination dovrebbe avere la precedenza quando entrambe sono presenti. Un link parte 2 conforme porta quindi spesso una destinazione di pagina come /D [6 0 R /Fit] per i reader più vecchi e /SD [19 0 R /Fit] accanto. Un controllo fatto in casa che legge /D trova una pagina, riporta una destinazione che non è una structure destination, e boccia il file. Per le azioni, guardate /SD. Per un array di destinazione nudo, seguite il suo primo elemento e chiedetevi se il dizionario referenziato è uno structure element, il che in termini di byte significa un dizionario con una chiave /S di primo livello

Il primo livello è la parte dura. Un dizionario di pagina porta di regola /Group << /S /Transparency >> per il suo transparency group, e una ricerca per chiavi che non salta i dizionari annidati trova quella /S interna e decide che la pagina è uno structure element, così una destinazione di pagina semplice passa. Scansite solo le chiavi del dizionario esterno e saltate ogni valore come un oggetto completo, dizionari annidati e array inclusi. Il ParentTree, che riporta lo /StructParent di un'annotazione al suo structure element, chiede la stessa cura. Il suo array /Nums può abbinare una chiave a un singolo riferimento (0 26 0 R) o a un array (0 [null 20 0 R]), e nella forma array la posizione dentro l'array si somma alla chiave per raggiungere il valore /StructParent. Un parser che conosce solo la prima forma lascia le annotazioni della seconda senza structure parent, e la regola di raggruppamento §8.2.5.20 allora non ha nulla con cui confrontare. Fate girare questi controlli sui byte così come sono caricati, anche: una copia ri-salvata o normalizzata può rinumerare gli oggetti annotazione e ricostruire l'albero numerico, lo stesso albero che riscrivete ogni volta che mantenete /ParentTree e /StructParents sincronizzati dopo aver modificato le pagine

Quali tag di lingua passano il controllo /Lang?

La grammatica non è cambiata tra le parti (ISO 14289-1 §7.2, ISO 14289-2 §8.4.4); le checklist approssimative la sbagliano lo stesso. veraPDF la esprime come ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$: un primo subtag di una a otto lettere, poi un numero qualunque di subtag di una a otto lettere o cifre, ciascuno introdotto da un trattino. I limiti sono netti. portugue-pt passa e portugues-pt fallisce sul suo primo subtag di nove lettere; nl-1234abcd passa e nl-1234abcde fallisce; 1-pt e -pt falliscono sul primo carattere. Un controllo che verifica solo lettere, cifre e trattini accetta tutti e quattro i fallimenti. Il /Lang del catalogo e il /Lang di ogni structure element vogliono un test condiviso, o lo stesso tag si prende due verdetti in un file. Un tag memorizzato come stringa UTF-16BE, come <FEFF0045004E002D00550053>, si decodifica prima; quello legge EN-US e passa. I tag cattivi arrivano spesso da qualcosa di banale: le stringhe di locale da Java, ICU o impostazioni di database usano underscore, e pt_BR non è un tag valido. IsPdfUaLanguageTagValid applica lo stesso test di forma, così potete riparare un tag prima che venga scritto:

uses
  SysUtils, PDFium;

// Trasformate un locale di piattaforma come pt_BR in un tag che PDF/UA accetta,
// o restituite '' quando una semplice sostituzione non può ripararlo
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
  // Atteso:
  //   en-US, portugue-pt, nl-1234abcd   valid as written
  //   pt_BR, zh_CN                      invalid, repaired to pt-BR / zh-CN
  //   portugues-pt, nl-1234abcde        invalid, repaired to ''
  for S in Samples do
    Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
      BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;

Chiamate la conversione dove il tag entra nella vostra pipeline, prima che raggiunga il catalogo o qualunque structure element. Un risultato vuoto è il segnale di ripiegare su una lingua che il documento usa sicuramente. Scrivere comunque la stringa di locale grezza non fa che spostare il fallimento a valle, dove emerge come pvuaiLangInvalidFormat per il catalogo o pvuaiStructElementLangInvalid per un elemento, lontano dal codice che l'ha prodotto

Cominciate la migrazione dall'export del paragrafo d'apertura. Fatelo girare per ReportPdfUa del primo listato usando il PDFium Component per Delphi: la riga di intestazione dovrebbe nominare PDF/UA-2, e né pvuaiFigureMissingAlt, né pvuaiLinkMissingContents né pvuaiNamespaceReuseInvalid dovrebbero comparire sotto di lei. Qualunque lamentela che la vostra vecchia checklist solleva ancora su quel file segnala una regola parte 1 da mettere dietro alla parte dichiarata