PDF/A-2b ファイルの XMP に足した ERP の請求書番号は、宣言されていないプロパティという指摘を引きます。同じパケットでも PDF/A-4 ファイルでは適合です。パート 1 から 3 はすべてのカスタムプロパティに pdfaExtension:schemas の記述を要求し、パート 4 は要求しないので、Delphi 用 PDFium Component の PDF/A バリデータは、規則の集合を選ぶ前に pdfaid:part を読みます
PDF/A パート 1 から 3 はカスタムプロパティに何を要求するか
その名前空間の記述、そしてその記述の中でプロパティを名指す 1 行です。ISO 19005-1 の §6.7.2 は XMP プロパティを、事前定義のスキーマか、§6.7.8 に適合する拡張スキーマからだけ認めます。§6.7.8 は各記述を同じメタデータストリームに入れるよう求めます。ISO 19005-2 の §6.6.2.3.1 がこの規則をパート 2 と 3 に運びます。記述は包括的な許可ではありません。プロパティは pdfaProperty:name で 1 個ずつ名指されるので、inv:InvoiceNumber を記述したパケットが inv:DueDate も書けば、2 つ目で落ちます。PDFium Component はこうしたケースを 4 つの TPdfAValidationIssue 値で報告し、1 つの欠陥に 1 つの指摘です。接頭辞の改名なら、たとえば、接頭辞の指摘だけが出ます
| Issue 値 | 報告される条件 | 条項 |
|---|---|---|
pvaiMissingExtensionSchema | 事前定義でない名前空間が使われていて、パケットに pdfaExtension:schemas コンテナがない | 19005-1 §6.7.8、19005-2 §6.6.2.3.1 |
pvaiXmpPropertyUndeclared | コンテナはあるが、その中のどの記述もプロパティを名指さない | 19005-1 §6.7.2、19005-2 §6.6.2.3.1 |
pvaiExtensionSchemaPrefix | 記述の名前空間が必須のもの以外の接頭辞に束縛されている | 19005-1 §6.7.8、19005-2 §6.6.2.3.2 |
pvaiExtensionSchemaEntryMissing | 記述が、その表に列挙されたフィールドを 1 つ欠いている | 19005-1 §6.7.8、19005-2 §6.6.2.3.3 |
最初の 2 つのどちらになるかは作成側次第です。多くの PDF/A ライターは、PDFium Component の SaveAsPdfA も含めて、既にコンテナの中で pdfaid の識別スキーマを記述しているので、後から足したフィールドは、自分のエントリを持たないコンテナの隣に着地します。下のルーチンは拡張スキーマの指摘だけを印字します。期待値: SaveAsPdfA が書いた PDF/A-2b ファイルは pac2b と pvaiXmpPropertyUndeclared を印字し、コンテナのないパート 1 か 2 のパケットは pvaiMissingExtensionSchema を、PDF/A-4 ファイルは適合行だけを印字します
uses
System.SysUtils, System.Classes, System.TypInfo,
PDFium, FPdfPdfa, FPdfXmp;
const
InvoiceNs = 'http://ns.example.com/invoice/1.0/';
ExtensionIssues: TPdfAValidationIssues = [pvaiMissingExtensionSchema,
pvaiXmpPropertyUndeclared, pvaiExtensionSchemaPrefix,
pvaiExtensionSchemaEntryMissing];
procedure PrintExtensionIssues(Source: TStream);
var
Res: TPdfAValidationResult;
Issue: TPdfAValidationIssue;
begin
Res := ValidatePdfAComplianceEx(Source, TPdfAValidationOptions.Default);
Writeln(GetEnumName(TypeInfo(TPdfAConformance), Ord(Res.Conformance)));
for Issue in Res.Issues * ExtensionIssues do
Writeln(' ', GetEnumName(TypeInfo(TPdfAValidationIssue), Ord(Issue)));
end;
procedure ProbeCustomProperty(const FileName: string);
var
Pdf: TPdf;
Packet: TPdfXmpPacket;
Output: TMemoryStream;
begin
Output := TMemoryStream.Create;
try
Pdf := TPdf.Create(nil);
try
Pdf.FileName := FileName;
Pdf.Active := True;
Packet := Pdf.ReadXmpPacket;
if Packet = nil then
raise Exception.CreateFmt('%s has no XMP packet', [FileName]);
try
Packet.SetSimpleValue(InvoiceNs, 'inv', 'InvoiceNumber', 'INV-2026-0412');
if not Pdf.SaveAsWithXmpPacket(Output, Packet) then
raise Exception.Create('Saving the edited packet failed');
finally
Packet.Free;
end;
finally
Pdf.Free;
end;
Output.Position := 0;
PrintExtensionIssues(Output);
finally
Output.Free;
end;
end;
事前定義の集合は XMP 2004 と ISO 16684-1 の間で動いた
パート 1 とパート 2 は、事前定義の意味で食い違います。ISO 19005-1 の §6.7.2 は 2004 年 1 月の XMP Specification を指し、ISO 19005-2 の §6.6.2.3.1 は ISO 16684-1 を指し、後者のリストのほうが長いです。この差は日常のファイルに現れます。crs(Camera Raw 設定)、aux(追加 EXIF データ)、xmpDM(ダイナミックメディア)で、PDF/A Competence Center の TechNote 0008 はこれらを XMP 2005 仕様での新顔と脚注にしています。crs:AutoBrightness や xmpDM:videoColorSpace のプロパティは、パート 1 では記述が要り、パート 2 からは事前定義です。公開 veraPDF コーパスには、そういうプロパティを 1 つ足しただけで他は何もしない PDF/A-1b の失敗ファイルがあり、一方 veraPDF 自身のテストファイルビルダーは PDF/A-2b ファイルに camera-raw やダイナミックメディアのヒントを書き込むので、パート番号に盲見なチェッカーはどちらか一方を取り違えます。宣言も動きました。photoshop:SupplementalCategories は 2004 では Text、ISO 16684-1 では Text の bag で、bag 形式は PDF/A-1 では落ちて PDF/A-2 では正しいです
逆の近道も落ちます。TechNote 0008 の 10 個のスキーマ表の外をすべて拡張と呼ぶと、普通の xmpMM:History エントリが使う sType 構造や Identifier 修飾子名前空間を旗立てることになり、TechNote 0008 は PDF/A-1 でそれらの URI を認めています。PDFium Component はパートを pdfaid:part から読みます。記述ブロックを持たないパート 1 のパケットが crs、aux、xmpDM を使っていれば pvaiMissingExtensionSchema、パート 2 のパケットは拡張スキーマの指摘を受けません。PDF/A-1 出力では、下流の誰も読まない camera-raw とダイナミックメディアのプロパティを剥ぎましょう。crs の完全な記述は数十エントリに伸び、1 個ずつが entry-missing 指摘の種です
スキーマ URI の必須接頭辞と末尾の #
XML の名前空間は通常、書き手に任意の接頭辞を許します。§6.7.8 は記述ボキャブラリからその自由を取り上げ、各構造に URI と必須接頭辞を与えます。値型には pdfaSchema、pdfaProperty、pdfaType、その 1 フィールドには pdfaField。ISO 19005-2 の §6.6.2.3.2 は 4 つすべてを再述します。http://www.aiim.org/pdfa/ns/property# を nonpdfaProperty に束縛するのは等価な XML であり、それでも落ちます。この条項の veraPDF コーパスファイルはすべての URI を正しく保ち、接頭辞を 1 つ改名しています。自分のスキーマは別問題です。pdfaSchema:prefix は推奨接頭辞を記録するので、inv は推奨です。とはいえパケットが束縛する接頭辞と同じに保ちましょう
URI には一癖があります。ISO 19005-1 §6.7.8 の本文は http://www.aiim.org/pdfa/ns/schema を末尾の # なしで印字する一方、その表と適合ファイルは URI を # で終えるので、本文に対する厳密な比較は何も一致させません。PDFium Component は比較の前に両側の末尾の # を落とします。# 形式で書き、自分の名前空間は pdfaSchema:namespaceURI へ 1 文字も変えずにコピーしましょう。ISO 19005-2 §6.6.2.3.2 の締めの文は、§6.6.2.3.3 の表が列挙するすべてのフィールドを求め、欠けは pvaiExtensionSchemaEntryMissing として報告されます:
- Schema(
pdfaSchema):schema、namespaceURI、prefixに加えてpropertyとvalueTypeのリスト。宣言すべきものがないスキーマは省いて構いません - Property(
pdfaProperty):name、valueType、category、description。categoryはinternalかexternalです - Value type(
pdfaType):type、namespaceURI、prefix、description、field。カスタム値型は構造なので必須です - Field(
pdfaField):name、valueType、description
構造化エントリは RDF/XML でどう綴るべきか
アイテムが構造であり続ける限り、3 通りのどれでも構いません。ISO 32000-2 の §14.3.2 はメタデータストリームの文法を ISO 16684-1 に委ね、XMP は RDF/XML の部分集合として書かれます。短い形式は rdf:parseType="Resource" を rdf:li に置き、フィールドをその下に並べます。長い形式は入れ子の rdf:Description で包み、どちらも同じ無名構造を意味します。3 つ目の綴りは、平文テキストのフィールドをその rdf:Description の属性へ移します。そこに収まるのはテキストだけです。pdfaSchema:property はシーケンスを抱えるので要素のままです。短い形式のアイテムから rdf:parseType を剥ぐと、結果は RDF/XML ではなくなります。パーサーは rdf:li の内側にテキストか 1 つのノード要素を期待し、pdfaSchema:schema を型付きノードと取り、ノード要素は空白でないテキストを持てないので、最初のフィールドで文法が破れます。リストアイテムを再構築する XSLT や、辞書からブロックを再生成するテンプレートは、すべての要素を保ったまま属性を落とせます。そういう出力は、書いたのと別の RDF パーサーで読み返して被害を確認しましょう
<!-- 短い形式: 完全に記述された請求書スキーマ -->
<rdf:li rdf:parseType="Resource">
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
<pdfaSchema:namespaceURI>http://ns.example.com/invoice/1.0/</pdfaSchema:namespaceURI>
<pdfaSchema:prefix>inv</pdfaSchema:prefix>
<pdfaSchema:property>
<rdf:Seq>
<rdf:li rdf:parseType="Resource">
<pdfaProperty:name>InvoiceNumber</pdfaProperty:name>
<pdfaProperty:valueType>Text</pdfaProperty:valueType>
<pdfaProperty:category>external</pdfaProperty:category>
<pdfaProperty:description>Invoice number assigned by the ERP</pdfaProperty:description>
</rdf:li>
</rdf:Seq>
</pdfaSchema:property>
</rdf:li>
<!-- 長い形式: 同じ構造を入れ子ノードとして -->
<rdf:li>
<rdf:Description>
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
...
</rdf:Description>
</rdf:li>
<!-- 属性の省略記法: テキストフィールドを属性に、リストは要素のまま -->
<rdf:li>
<rdf:Description pdfaSchema:schema="Invoice data from the ERP"
pdfaSchema:namespaceURI="http://ns.example.com/invoice/1.0/"
pdfaSchema:prefix="inv">
<pdfaSchema:property>...</pdfaSchema:property>
</rdf:Description>
</rdf:li>
PDFium Component は届いた綴りをそのまま保ちます。TPdf.ReadXmpPacket が返す TPdfXmpPacket の各値は、ソース要素の rdf:parseType——Resource、Literal、Collection——を記録し、ToXml はそれを書き戻します。記録のない構造は rdf:parseType="Resource" 付きで出ていきます。このライターは SaveAsWithXmpPacket と、Info エントリとその XMP 等価物を整える NormalizePdfAMetadata に仕え、3 つの綴りのどれで書かれた拡張ブロックも、読み書きの前後で同じように検証を通ります。新しいエントリは短い形式で書きましょう。すべてのフィールドが要素のままになり、編集が均一になるほか、SaveAsPdfA が書く pdfaid エントリとも揃います
既にあるコンテナに自分の記述を加える
新しいエントリを既存の rdf:Bag に合流させましょう。パケットにコンテナは 1 つです。veraPDF の XMP パーサーは、2 つ目の pdfaExtension:schemas 要素を持つパケットを拒みます(Duplicate property or field node 'pdfaExtension:schemas')。失敗は一般的なメタデータ規則に着地します。各プロパティには名前、値型、カテゴリ、説明が要ります。Factur-X 請求書が埋めるエントリは、拡張スキーマで fx プロパティを宣言するためのものです。リスティングは短い形式のアイテムを </rdf:Bag> の直前に差し込みます。ToXml はコンテナをその行に書くからです。アイテムは pdfaSchema と pdfaProperty を自分で宣言するので、どこに着地しても同じようにパースされます
const
ExtensionNs = 'http://www.aiim.org/pdfa/ns/extension/';
ContainerEnd = '</rdf:Bag></pdfaExtension:schemas>';
TopDescriptionEnd = '</rdf:Description>'#10' </rdf:RDF>';
function InvoiceSchemaItem: string;
begin
Result := '<rdf:li rdf:parseType="Resource"' +
' xmlns:pdfaSchema="http://www.aiim.org/pdfa/ns/schema#"' +
' xmlns:pdfaProperty="http://www.aiim.org/pdfa/ns/property#">' +
'<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>' +
'<pdfaSchema:namespaceURI>' + InvoiceNs + '</pdfaSchema:namespaceURI>' +
'<pdfaSchema:prefix>inv</pdfaSchema:prefix>' +
'<pdfaSchema:property><rdf:Seq><rdf:li rdf:parseType="Resource">' +
'<pdfaProperty:name>InvoiceNumber</pdfaProperty:name>' +
'<pdfaProperty:valueType>Text</pdfaProperty:valueType>' +
'<pdfaProperty:category>external</pdfaProperty:category>' +
'<pdfaProperty:description>Invoice number assigned by the ERP' +
'</pdfaProperty:description>' +
'</rdf:li></rdf:Seq></pdfaSchema:property></rdf:li>';
end;
// スキーマエントリが Uri を記述しているとき True、綴りは問わない
function DescribesNamespace(const V: TPdfXmpValue; const Uri: string): Boolean;
var
Q: Integer;
begin
for Q := 0 to High(V.Qualifiers) do // rdf:li 上の属性としてのフィールド
if (V.Qualifiers[Q].Name = 'namespaceURI') and
(string(V.Qualifiers[Q].Value) = Uri) then
Exit(True);
Result := (Pos('>' + Uri + '</', string(V.RawXml)) > 0) or // 要素
(Pos('namespaceURI="' + Uri + '"', string(V.RawXml)) > 0); // 属性
end;
// 新しいパケットを返す。解放は呼び出し側
function WithInvoiceSchema(Packet: TPdfXmpPacket): TPdfXmpPacket;
var
Xml: string;
Index, J, P: Integer;
HasContainer: Boolean;
begin
HasContainer := Packet.TryGetProperty(ExtensionNs, 'schemas', Index);
if HasContainer then
for J := 0 to High(Packet.Properties[Index].Values) do
if DescribesNamespace(Packet.Properties[Index].Values[J], InvoiceNs) then
Exit(Packet.Clone); // 既に記述済み
Xml := Packet.ToXml;
P := Pos(ContainerEnd, Xml);
if P > 0 then
Insert(InvoiceSchemaItem, Xml, P) // 既存の bag に参加
else if HasContainer then
raise EPdfXmpError.Create('Extension container uses an unexpected prefix')
else
begin
P := Pos(TopDescriptionEnd, Xml);
if P = 0 then
raise EPdfXmpError.Create('Unexpected XMP packet layout');
Insert('<pdfaExtension:schemas xmlns:pdfaExtension="' + ExtensionNs +
'"><rdf:Bag>' + InvoiceSchemaItem + ContainerEnd + #10' ', Xml, P);
end;
Result := TPdfXmpPacket.Parse(Xml);
end;
procedure TagInvoice(const SourceFile, TargetFile, InvoiceNo: string);
var
Pdf: TPdf;
Packet, Described: TPdfXmpPacket;
Written: TFileStream;
begin
Pdf := TPdf.Create(nil);
try
Pdf.FileName := SourceFile;
Pdf.Active := True;
Packet := Pdf.ReadXmpPacket;
if Packet = nil then
raise Exception.CreateFmt('%s has no XMP packet', [SourceFile]);
Described := nil;
try
Packet.SetSimpleValue(InvoiceNs, 'inv', 'InvoiceNumber', InvoiceNo);
Described := WithInvoiceSchema(Packet);
if not Pdf.SaveAsWithXmpPacket(TargetFile, Described) then
raise Exception.CreateFmt('Could not write %s', [TargetFile]);
finally
Described.Free;
Packet.Free;
end;
finally
Pdf.Free;
end;
Written := TFileStream.Create(TargetFile, fmOpenRead or fmShareDenyWrite);
try
PrintExtensionIssues(Written); // 最初のリスティングから
finally
Written.Free;
end;
end;
期待値: SaveAsPdfA が書いた PDF/A-1、-2、-3 のソースに対して、TagInvoice は適合行を印字し、4 つの拡張スキーマ値はどれも出しません。請求書エントリは短い形式で pdfaid エントリの隣に座ります。2 回目の実行は、既存エントリの綴りが何であれ bag に触れません。DescribesNamespace は RawXml を、空の rdf:li 上の属性については qualifiers を探すからです。別の接頭辞のコンテナは例外を上げます。新しいコンテナは veraPDF が拒む重複になるからです。ERP が支払期限を足したら、既存の pdfaSchema:property シーケンスを伸ばしましょう
PDF/A-4 はそもそも拡張スキーマを検査するのか
しません。ISO 19005-4 の §6.7.2.1 はパケットレベルの規則だけを残します。カタログの Metadata キー、非推奨の bytes と encoding ヘッダ属性、整形式 XML、UTF-8 です。記述のないプロパティも、nonpdfaSchema の下の記述も、pdfaSchema:schema を欠くものも、veraPDF の PDF/A-4 プロファイルの下ではファイルを適合のままにします。PDFium Component は 4 つの拡張スキーマ検査を、pdfaid:part が 1、2、3 のときにだけ走らせます。識別スキーマはどこでも自分の規則を保ちます。パート 4 の §6.7.3 の下でもその名前空間は pdfaid に束縛されねばならず、プロパティ集合はパートごとに育ちます。part、conformance、そして 2007 年の Amendment 1 以降はパート 1 に amd、ISO 19005-2 §6.6.4 からは corr、パート 4 では rev です。間違った接頭辞は pvaiXmpIdPrefixWrong と、余分な名前は pvaiXmpIdPropertyUnknown として、すべてのパートで報告されます
1 つの文書でパートを比較するには、パケットだけを変え、他は何も変えません。名前空間束縛を XMP の内側に挿入し、タグ間の空白のバイトを削れば、/Length、クロスリファレンスのオフセット、%PDF-2.0 ヘッダーは動きません。pypdf の書き換えは、%PDF-1.3 ヘッダー付きの PDF/A-4 ファイルを返してくることがあり、その失敗がメタデータの結果を埋めてしまいます。本番の出力では、PDF/A-4 のパケットにも記述を書き込みましょう。数百バイトのコストで、PDFium Component のバリデータはパート 4 の下でそれに触れず、パケットは後から PDF/A-3 の成果物へ無傷で移せます