技術記事

PDF/UA-1 対 PDF/UA-2: 変わったアクセシビリティ規則

社内の PDF/UA-1 チェックリストは、veraPDF が通す PDF/UA-2 のエクスポートを落とします。/ActualText () 付きのタグを付けた図、/Contents のないリンク注釈、名前空間の混ざった構造ツリーを旗立てるのです。どれも ISO 14289-2:2024 に適合するので、規則集合は各ファイルが宣言するパートに従わねばなりません。PDFium Component の TPdf.ValidatePdfUa が最初に読むのがそれです

宣言された pdfuaid:part が Delphi 用 PDFium Component で PDF/UA 規則集合を切り替える様子。1 つの issue 値が PDF/UA-1 と PDF/UA-2 で別の規則を意味する
XMP で宣言されたパートが規則集合を選び、同じ issue 値が PDF/UA-1 と PDF/UA-2 の間で 2 つの別の規則を名指せます

宣言されたパートがどの規則が適用されるか決める

すべての PDF/UA ファイルは XMP メタデータで pdfuaid:part によりパートを名乗り、PDF/UA-2 は独自の条件を 2 つ足します。リビジョンエントリと、PDF 2.0 を宣言するファイルです。この宣言がスイッチです。TPdf.ValidatePdfUa は TPdfUaValidationResult を返し、Conformance フィールドは puc1 か puc2、PDF/UA を名乗らないと確認されたファイルには pucNone、判定できないときは pucUnknown を報告し、Issues 集合はそのパートに当たる指摘だけを抱えます。いくつかの issue 値は、パート 1 では 1 つの規則を、パート 2 ではより広い規則を表します。パート 1 のファイルでの pvuaiActionTargetMissing は、GoToR、URI、SubmitForm アクションがターゲットキーを欠く(§7.18.5)ことです。パート 2 のファイルでは、構造要素へ至らないデスティネーション(§8.8)も意味し得ます。パート 2 のファイルでの pvuaiAnnotationMissingContents は、ラベルのないウィジェットを含みます。だからレポートごとにパートを印字しましょう:

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 は、パートが 1 か 2 で issue 集合が空のときだけ真です。PDF/UA を名乗らないファイルが偶然適合と報告されることはありません。veraPDF との比較には、それ自身の落とし穴が 1 つあります。コマンドラインツールは不適合ファイルで終了コード 1 で抜けます。それでも完全な XML レポートは標準出力に書くので、終了コードで止まるスクリプトは規則番号を捨ててしまいます。レポートを読みましょう

どの UA-1 の苦情が PDF/UA-2 の下では誤報か

冒頭の例の苦情はどれも、PDF/UA-2 がその形では持たない規則を適用した結果です。図から始めましょう。間違いはたいていパースコードの中にいます。ISO 14289-2 の §8.2.5.28.2 は Figure に /Alt か /ActualText キーを求め、テストはキーが存在するかです。/ActualText () は適合で、どちらのキーも持たない図だけが落ちます。両方の値を素の文字列で保持するリーダーは「あるが空」と「ない」を同じ '' に潰し、チェッカーは代替テキストを持つ図に欠落を報告します。構造要素をパースするときは、各文字列の隣に存在フラグを保存しましょう。空の /ActualText は弱い記述で、人のレビュアーはまだ見たがるかもしれませんが、パート 2 のバリデータには落とす根拠がありません

リンク規則は消えました。PDF/UA-1 の §7.18.5 はすべてのリンク注釈に /Contents を求めます。PDF/UA-2 はその代わりに注釈キーの規則を置かず、§8.2.5.20 で構造を制約します。別々のターゲットへ行く注釈は、別々の Link か Reference 構造要素に座らねばなりません。第 2 章へのジャンプと外部サイトへの URI の両方を包む 1 つの Link 要素は、両注釈が /Contents を持っていてもパート 2 では落ちます。2 つのパートは別のものを検査しています。一方は注釈上のテキスト、他方はツリー内のグルーピングです。PDFium Component はリンクの /Contents 要求を、パート 1 を名乗るファイルにだけ適用します

名前空間の苦情は、間違った文書を読んだ結果です。ISO 14289-2 の §8.2.4 は 4 つの規則を抱えます。非標準の構造型は標準型へ写像されねばならない、写像に循環は許されない、型は同じ明示的名前空間の中では写像できない、標準型は非標準型へ再写像されてはならない。ISO/TS 32005 の §5.3 は、名前空間を混ぜる文書への推奨を 1 つ加えます。共有する型には PDF 2.0 の名前空間を使う、と。そしてその推奨は PDF/UA-2 の適合条件の中にはありません。§5.3 でハードに落とすチェックリストは、MathML 数式を運ぶ PDF 2.0 ツリーのような、有効な混在ツリーを拒みます。/RoleMapNS を通ってカスタム型を標準型へ解決するのはそれ自身の仕事で、ロールマップと名前空間による PDF/UA-2 検証が示します

ISO 14289-2 の下で通る PDF/UA-1 チェックリストの苦情 3 件。図の空 ActualText、リンク注釈、名前空間の混在。Delphi で PDFium Component がそれらをどう門で分けるか
各苦情は、PDF/UA-2 がその形では持たない規則を適用します。だから検査は共有チェックリストの中ではなく、宣言されたパートの背後に置かれるべきです

PDF/UA-2 が追加または強化した規則

逆方向が高く付きます。下のファイルは UA-1 のチェックリストを通過し、失敗は誰かがパート 2 のバリデータを走らせたときにだけ現れます:

  • ウィジェットにはラベルか説明が要る。 PDF/UA-1 の §7.18.1 は、§7.18.4 の Form タグがカバーするので、ウィジェット注釈を /Contents から免除します。PDF/UA-2 の §8.10.2.3 は、構造要素に Lbl の子を持たないどんなウィジェットにも /Contents を要求します。フィールドの /TU ツールチップはラベルとして数えません
  • 添付ファイルは関係を名乗る。 §8.9.2.4.10 は、FileAttachment 注釈のファイル仕様に /AFRelationship を求めます。Source、Data、Alternative、Supplement と、PDF/A-3 が関連ファイルと AFRelationship で既に使っている他の値です
  • 見出しは番号付き。 PDF/UA-1 は汎用の H タグか番号付きの H1…Hn 見出しを受け入れ、1 つの文書が混ぜなければ構いません(§7.4.4)。PDF/UA-2 の §8.2.5.12 は汎用の H を全面的に禁じるので、素の H 要素の上に築かれたタグ付け方式は、エクスポートがパート 2 を名乗れる前に再写像が要ります
  • デスティネーションは構造へ行く。 §8.8 はナビゲーションのターゲットに、ISO 32000-2 §12.3.2.3 の意味での構造デスティネーションを求めます。最初の要素が構造要素であるデスティネーション配列か、/SD 付きの GoTo アクションです

古い規則には触れないことです。チェックリストがパート 2 対応を盛ると、手近な編集は §7.18.1 のウィジェット免除を削除して /Contents のないウィジェットを旗立てることです。その編集は、適合するパート 1 のフォームを、自分の標準が持たない規則で落とします。パート 2 のウィジェット検査を免除の隣に加え、宣言されたパートで門を付けましょう。PDFium Component がウィジェット規則を報告する方法がこれです。パート 1 の免除は有効のまま、ラベルも /Contents も持たないパート 2 のウィジェットは pvuaiAnnotationMissingContents として現れます

ウィジェットラベル、AFRelationship、汎用見出し、構造デスティネーションについて PDF/UA-1 と PDF/UA-2 を比較するマトリクス。Delphi で PDFium Component がパートごとに門を付ける 4 つの検査
パート 2 の追加はパート 1 の規則を置き換えるのでなく隣に走るので、適合する PDF/UA-1 フォームは Delphi 用 PDFium Component でも合格し続けます

誤ヒットなしで構造デスティネーションをテストするには

仕様が勝たせる方のキーを読みましょう。ISO 32000-2 の Table 202 はすべての GoTo アクションに /D を必須とし /SD を任意とし、両方あるときは構造デスティネーションを優先すべきと言います。だから適合するパート 2 のリンクは、古いリーダー向けの /D [6 0 R /Fit] のようなページデスティネーションと、その隣の /SD [19 0 R /Fit] を運ぶことがよくあります。/D を読む手製の検査はページを見つけ、構造デスティネーションでないデスティネーションを報告し、ファイルを落とします。アクションなら /SD を見ましょう。素のデスティネーション配列なら、最初の要素を辿り、参照された辞書が構造要素かを問います。バイトの言葉では、トップレベルの /S キーを持つ辞書のことです

トップレベルが難所です。ページ辞書は透過グループのために /Group << /S /Transparency >> を日常的に運び、入れ子の辞書を飛ばさないキー検索は内側の /S を見つけてページを構造要素と判定し、素のページデスティネーションを通してしまいます。外側の辞書のキーだけをスキャンし、各値は入れ子の辞書も配列も含めて 1 個の完全なオブジェクトとして飛ばしましょう。注釈の /StructParent を構造要素へ写像する ParentTree も同じ配慮を求めます。その /Nums 配列は、キーを単一参照と組にする(0 26 0 R)ことも配列と組にする(0 [null 20 0 R])こともあり、配列形式では配列内の位置が /StructParent 値へ届くためにキーに加算されます。最初の形式しか知らないパーサーは、2 番目の形式の注釈を構造親なしのまま残し、§8.2.5.20 のグルーピング規則は比較するものを失います。これらの検査は、読み込んだバイトに対して走らせましょう。再保存や正規化されたコピーは注釈オブジェクトを振り直し、番号ツリーを組み直せます。ページを編集した後に /ParentTree と /StructParents を同期させ続けるときに書き直すのと同じツリーです

どの言語タグが /Lang 検査を通るか

文法はパート間で変わりません(ISO 14289-1 §7.2、ISO 14289-2 §8.4.4)。それでも緩いチェックリストはこれを見逃します。veraPDF はこれを ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$ として表します。1 から 8 文字の字母の最初のサブタグ、続いて 1 から 8 文字の字母か数字のサブタグが何個でも、各々ハイフンで導入される。限界は鋭いです。portugue-pt は通り、portugues-pt は 9 文字の最初のサブタグで落ちます。nl-1234abcd は通り、nl-1234abcde は落ちます。1-pt と -pt は最初の文字で落ちます。字母、数字、ハイフンだけを確認する検査は、4 つの失敗をすべて受け入れます。カタログの /Lang とすべての構造要素の /Lang には 1 つの共有テストが要ります。さもないと同じタグが 1 ファイルで 2 つの判定を得ます。UTF-16BE 文字列として格納されたタグ、たとえば <FEFF0045004E002D00550053> は、まずデコードされます。それは EN-US と読めて、通ります。悪いタグはたいていどこか俗っぽいところから来ます。Java、ICU、データベース設定のロケール文字列はアンダースコアを使い、pt_BR は有効なタグではありません。IsPdfUaLanguageTagValid は同じ形のテストを適用するので、タグは書かれる前に直せます:

uses
  SysUtils, PDFium;

// pt_BR のようなプラットフォームロケールを PDF/UA が受け付けるタグに変え、
// 単純な置換で直せないときは '' を返す
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
  // 期待値:
  //   en-US, portugue-pt, nl-1234abcd   書かれたまま有効
  //   pt_BR, zh_CN                      不正、pt-BR / zh-CN に修復
  //   portugues-pt, nl-1234abcde        不正、'' に修復
  for S in Samples do
    Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
      BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;

変換は、タグがパイプラインに入るところで、カタログやどの構造要素に届く前に呼びましょう。空の結果は、文書が使うことが分かっている言語へフォールバックする合図です。生のロケール文字列をどうしても書き込むと、失敗は下流へ動くだけです。カタログには pvuaiLangInvalidFormat として、要素には pvuaiStructElementLangInvalid として、それを作ったコードから遠くで表面化します

移行は冒頭の段落のエクスポートから始めましょう。PDFium Component for Delphi を使って、最初のリスティングの ReportPdfUa に通します。ヘッダー行は PDF/UA-2 を名乗り、pvuaiFigureMissingAlt も pvuaiLinkMissingContents も pvuaiNamespaceReuseInvalid もその下に現れないはずです。古いチェックリストがまだそのファイルに上げる苦情は、宣言されたパートの背後へ置くべきパート 1 規則の印です