技術記事

結合した PDF ページはカタログで PDF バージョンを上げる

2004 年にスキャンされた契約書は %PDF-1.3 で始まっていて、埋め込み OpenType フォントと 16 ビット写真を載せたブローシュのページ 2 枚を素朴な結合で追加しても、pdfinfo は今も PDF 1.3 と報告します。正しいバージョンは、追記されたリビジョンのカタログへ /Version /1.6 として入ります。ISO 32000-1 の §7.5.6 がこれを認めており、HotPDF のページインポートはコピーするオブジェクトからこれを書き込みます

なぜ増分保存では %PDF-1.3 を書き換えられないのか

古いバイトが新しいファイルの接頭辞であり続けるからです。増分アップデートは最後の %%EOF の後に新しい本体、新しいクロスリファレンスセクション、新しいトレーラーを追記し、それ以前のバイトには一切触れません。署名の検証器はこれに依存しています。既存の署名の /ByteRange は古いヘッダーをカバーするからです。リビジョン差分ツールはさらに進んで、「元のファイルが新しいファイルの接頭辞であること」を増分保存の定義として扱います。オフセット 0 の 8 バイトを直せば、クロスリファレンスのオフセットはすべて有効なままですが、接頭辞は壊れます。仕様はこの事態を見越していました。PDF 1.4 以降、書き手はカタログの Version エントリでヘッダーを上書きでき、§7.5.6 の NOTE 4 は、このエントリが増分アップデートの間にバージョンを変えられるように存在すると述べています。Table 28 が読み取りの規則を加えます。値は name オブジェクトで(数字の 1.6 ではなく /1.6)、ヘッダーより後であるときにだけ適用され、ヘッダーが後であるかエントリがなければヘッダーが勝ちます。実効バージョンは 2 つの大きい方です。ファイルの 1 行目だけを確認するリーダーは、増分アップグレードされた文書をすべて過小報告します

Delphi の HotPDF による結合 PDF の増分アップデートレイアウト。手つかずの 1.3 ヘッダーは接頭辞のまま、追記されたカタログが Version 1.6 を運ぶ
増分アップデートの間にヘッダー行は変えられないため、追記されたカタログが必要な Version 名を運び、リーダーは 2 つのうち後の方を採ります

必要バージョンを引き上げるコピー対象のオブジェクト

必要バージョンは機能から決まり、ソースファイルのヘッダーからではありません。THPDFHeadlessDocument.AppendImportedPages はクローンするページ辞書とリソースを歩き、コピーした null 以外のエントリが要求する最高バージョンを記録します。タグは機能チェック付きで正確な PDF バージョンを保存する際に使うのと同じもので、ここでは上方向に走り、宣言レベルを引き上げます。インポートが適用するチェックと、ISO 32000-1 がエントリの隣に印字するバージョンの対応表がこちら:

コピーされる内容要求バージョン仕様の該当箇所
透過グループ、ソフトマスク(/SMask)、透過 ExtGState パラメータPDF 1.4透過モデル、§11
XMP メタデータストリーム(/Type /Metadata /Subtype /XML)PDF 1.4§14.3.2
JBIG2Decode で圧縮された画像データPDF 1.4§7.4.7
JPXDecode で圧縮された画像データPDF 1.5§7.4.9
16 ビット画像。画像 XObject でもコンテンツストリーム内のインライン画像でもPDF 1.5Table 89, §8.9.7
null でない /PresSteps、スタイルが Fly、Push、Cover、Uncover、Fade の /Trans、あるいは /SS や /B を持つものPDF 1.5Table 30, Table 162
ページと一緒に連れてこられたオプションコンテンツPDF 1.5§8.11
/Subtype /OpenType 付きの /FontFile3PDF 1.6Table 126
ページの /UserUnit、ロックされたレイヤー、OCMD の可視性式 /VEPDF 1.6Table 30, §8.11

Dissolve、Wipe、Split といった古いトランジションスタイルは PDF 1.1 由来で何も引き上げないので、インポートはトランジション辞書の /S 値を読みます。/Trans が存在すること自体は何の証明にもなりません。書き込みはウォークの後です。要求バージョンが存在し、それがターゲットのヘッダーバージョンとカタログが既に運ぶどんな /Version よりも大きいときに限り、新しいリビジョンに /Version 名が入り、そうでなければカタログに /Version エントリは付きません。ヘッダーは決して編集しません。§7.5.6 の同じ段落は、アップデートが開発者拡張を追加・削除したときにカタログの /Extensions 辞書を更新するよう書き手に求めています。ページインポートはページレベルのオブジェクトだけをコピーするので、/Extensions はターゲットのままで残ります

Delphi の HotPDF ページインポートのバージョンラダー。OpenType フォント、16 ビット画像、透過が追記カタログ内の要求を 1.3 から 1.6 へ引き上げる
インポートのウォークはコピーしたエントリが要求する最高バージョンを記録し、Version 名はヘッダーとそれ以前のオーバーライドの両方を上回るときにだけ新しいカタログへ着地します
uses
  SysUtils, HPDFHeadlessDocument;

procedure AppendBrochurePages(const ContractFile, BrochureFile, OutputFile: string);
var
  Target, Source: THPDFHeadlessDocument;
  Options: THPDFHeadlessPageImportOptions;
  Outcome: THPDFHeadlessPageImportResult;
begin
  Target := THPDFHeadlessDocument.Create;
  Source := THPDFHeadlessDocument.Create;
  try
    Target.LoadFromFile(ContractFile);   // ヘッダー: %PDF-1.3
    Source.LoadFromFile(BrochureFile);   // PDF 1.7 書き出し: /FontFile3 /OpenType + 16 ビット写真

    Options := THPDFHeadlessPageImportOptions.Default;
    // ページインデックスは 0 起点: 表紙とスペックシートをコピー
    Outcome := Target.AppendImportedPages(Source, [0, 2], Options);

    // 増分アップデートとして保存: 古いバイトは接頭辞のまま。
    // 期待値: 新しいカタログリビジョンは /Version /1.6 を運び、
    // ファイルの 1 行目は今も %PDF-1.3 を読む
    Target.SaveToFile(OutputFile);
    WriteLn(Format('%d pages added, %d annotations flattened',
      [Outcome.AddedPages, Outcome.FlattenedAnnotations]));
  finally
    Source.Free;
    Target.Free;
  end;
end;

この 2 ファイルでは OpenType フォントプログラムが要求を 1.6 に設定し、16 ビット写真だけなら 1.5 で止まったはずです。ソースとターゲットは、読み込んだ 2 つの別のドキュメントでなければなりません。すでに署名または証明済みのターゲットは拒否されます。ページの追加は署名が証明する内容を変えるからです

インライン画像はコンテンツストリームの中に住んでいる

インライン画像は決してオブジェクトではありません。ISO 32000-1 の §8.9.7 はこれを、コンテンツストリームに直接書かれる BI … ID … EI のシーケンスと定義し、/BitsPerComponent の略記キー /BPC といった省略形を認め、4 KB 以下の小さい画像にだけこの形式を推奨しています。16 ビット深度は画像 XObject と同じく PDF 1.5 を要しますが、オブジェクトのウォークはそれに出会えません。そのバイト列はコピーされる /Contents の内側に便乗して動くからです。そこでインポートは、コピーする各ページのコンテンツストリームと、クローンするすべての Form XObject とタイルパターンのコンテンツストリームもデコードし、深度 16 の BI ヘッダーを 1 度スキャンします。単純なテキスト検索は誤爆します。show-text オペレータのオペランドはリテラル (BI /BPC 16 ID) を含めますし、コメント行は % BI /BPC 16 と読めます。ID の後は 1 バイトの空白を挟んで生のバイナリサンプルが始まり、両側に空白を伴う EI トークンまで走ります。そのサンプルバイトは偶然 BI と綴れることもあります。スキャナはそこで、リテラル文字列と 16 進文字列、コメント、インラインのサンプルデータを飛び越え、最初の本物の 16 ビットヘッダーで停止します。8 ビットのインライン画像や、/BPC 16 に触れるだけの文字列は、バージョンを元の位置に留めます

Delphi の HotPDF ページインポートがコメント、文字列、バイナリの似非ヘッダーを飛ばしながら 16 ビットインライン画像を見つけるコンテンツストリームスキャンの流れ
インライン画像はコピーされたコンテンツストリームの中に隠れるため、スキャナはコメント、文字列、サンプルバイトを飛ばし、本物の 16 ビットヘッダーが現れるまで進みます

ソースファイルのヘッダーがバージョンを決めるのか

決めません。選ばれたページが決めます。ブローシュの 1.7 を結合結果に押し付けると、そのページが PDF 1.3 の描画オペレータの範囲でしか何も使っていない場合、結果は誇張されます。誇張されたバージョンは、バージョンでファイルを振り分ける印刷ワークフローやアーカイブゲートウェイにおいて、平文の文書を違う経路へ送り得ます。キーの値を無視してキーだけ合わせるのも同じ方向の誤りです。/Mask null、/PresSteps null、/S /Dissolve を持つ /Trans 辞書はどれも注目のキーを含み、どれも新しいバージョンを要しません。キー名に反応するスキャナは、必要のないファイルのバージョンを引き上げます

PDF 1.2 ファイルに入った PDF 1.3 の機能は 1.4 として宣言される

繊細なケースはバージョン範囲の底にいます。明示マスクとカラーキーマスクの画像(Table 89 の /Mask)は PDF 1.3 のタグが付いています。この画像を %PDF-1.2 のドキュメントへコピーすれば、厳密な要求は 1.3 です。しかし /Version は PDF 1.4 生まれです。1.2 のファイルに /Version /1.3 と書くのは、宣言レベルが持たない機構を使うことで、厳格なリーダーがそれを尊重する理由がありません。HotPDF はこの場合 1.4 を宣言します。ヘッダーが 1.3 未満のドキュメントに入ってくる画像マスクは、要求をそのまま 1.4——オーバーライドが合法になる最初のバージョン——まで引き上げます。すでに 1.3 のターゲットなら、同じ画像にオーバーライドは一切要りません

実効バージョンはどう読み返すか

ヘッダーのバージョンを取り、カタログの /Version 名を見つけ、後の方を採ります。完全なパーサーはトレーラーの /Root からカタログへ届きます。バッチジョブの手早いゲートならバイトスキャンで足りることが多く、ただし 1 つの注意を最初に述べると、この方法でエントリが見つかるのは、最新のカタログリビジョンがプレーンなオブジェクトとして書かれ、どんな圧縮オブジェクトストリームの外にもいるときだけです。末尾から検索しましょう。増分アップデートされたファイルはリビジョンごとに 1 つのカタログを持ち得ます。オリジナルに続き、各アップデートが完全な置き換えコピーを運びます。リーダーはすべてのオブジェクトの最新コピーを使う(§7.5.6)ので、ファイル内の最後の /Version は通常、生きているカタログのものです。空の結果は、このスキャンがプレーンテキストのオーバーライドを見つけられなかったことを意味し、パーサーならオブジェクトストリームの中に 1 つ見つかるかもしれません。関数は実効バージョンを 1.6 のような文字列で返し、その後のゲートは PDF/A-1 チャンネルを守ります。その基準 ISO 19005-1 は PDF 1.4 の上に築かれています:

uses
  SysUtils, IOUtils;

function EffectivePdfVersion(const FileName: string): string;
const
  Key: RawByteString = '/Version';
var
  Bytes: TBytes;
  Text: RawByteString;
  P, Q: Integer;
  Declared: string;
begin
  Result := '';
  Bytes := TFile.ReadAllBytes(FileName);
  if Length(Bytes) < 8 then
    Exit;                                     // '%PDF-1.x' には短すぎる
  SetString(Text, PAnsiChar(@Bytes[0]), Length(Bytes));
  if Copy(Text, 1, 5) <> '%PDF-' then
    Exit;
  Result := string(Copy(Text, 6, 3));        // '%PDF-1.3' -> '1.3'

  // 最新のリビジョンは末尾にあるので後ろから探す
  P := Length(Text) - Length(Key) + 1;
  while (P > 0) and (Copy(Text, P, Length(Key)) <> Key) do
    Dec(P);
  if P = 0 then
    Exit;                                     // プレーンテキストのオーバーライドは見つからない

  Q := P + Length(Key);
  while (Q <= Length(Text)) and (Text[Q] in [#0, #9, #10, #12, #13, #32]) do
    Inc(Q);
  if (Q < Length(Text)) and (Text[Q] = '/') then
  begin
    Declared := string(Copy(Text, Q + 1, 3)); // name オブジェクト: /1.6
    if Declared > Result then                 // ヘッダーが後ならヘッダーが勝つ
      Result := Declared;
  end;
end;

procedure RequirePdfA1Channel(const FileName: string);
var
  Version: string;
begin
  Version := EffectivePdfVersion(FileName);
  if Version > '1.4' then
    raise Exception.CreateFmt(
      '%s declares PDF %s; the PDF/A-1 channel takes PDF 1.4 at most',
      [ExtractFileName(FileName), Version]);
end;

文字列比較が機能するのは、公表済みの PDF バージョンがすべて 1 桁のマイナー番号を持ち、2.0 もすべての 1.x より上に並ぶからです。このゲートが何に手を出さないかにも注目してください。ファイルを通すために /Version を剥ぎ取らず、ヘッダーだけを決して信用しません。ヘッダーだけのチェックなら、結合された契約書を通してしまいます。ファイルは今も PDF 1.6 のフォント形式を抱えたままです

1.4 限定のパイプラインでは拒否かダウングレードか

オーバーライドを削除するのは間違った修復です。1.6 を要求したオブジェクトはまだファイルの中にいるので、バージョンを認識するリーダーは 1.3 の文書が 1.6 のフォント形式を使うのを目にし、プリフライトツールはこの不一致を報告します。1.4 に本当に限定されたチャンネルには、健全な選択肢が 2 つあります。保存の前に結合を拒否する(実効バージョンをテストにする)、またはソースのページを先にターゲットのレベルへ下げる——作成ツールでフォントと画像の内容を変換してから結果をインポートする。早めの拒否がより良い既定です。ジョブの走っている間にエラーがファイル名とバージョンを名指すので、1 週間後に誰にも説明できない検証失敗を支えるより、はるかに安く付きます。インポート時に落とせる要求が 1 つだけあります。Options.RemovePresentationSteps := True ならコピーされるページは /PresSteps を外し、サブページナビゲーションは要求バージョンに何も加えません。判断を保存時に行うべき場所では、保存前のバージョン事前チェックが 1 バイトも書かれる前にジョブを止めます

2004 年の契約書で探す数字は 1.6 です。HotPDF Delphi PDF component から AppendImportedPages を走らせたのと同じサービスで、結合後の出力に EffectivePdfVersion を呼びましょう。1.4 限定のチャンネルでも、エラーが要求を引き上げたブローシュページを名指しているうちに、ジョブを門前払いにできます