기술 문서

어느 PDF/A part가 XMP extension schema를 필요로 하는가

PDF/A-2b 파일의 XMP에 더한 ERP 청구서 번호는 undeclared-property 지적을 불러 오지만, 같은 packet이 PDF/A-4 파일 안에서는 적합합니다. Part 1부터 3까지는 모든 custom property에 pdfaExtension:schemas 기술을 요구하고 part 4는 그렇지 않으므로, Delphi용 PDFium Component의 PDF/A validator는 규칙 집합을 고르기 전에 pdfaid:part를 읽습니다

Delphi용 PDFium Component가 pdfaid:part를 읽어 PDF/A part 1~3에서는 extension-schema 검사를, PDF/A-4에서는 packet 수준 규칙을 고르는 결정 흐름
validator는 pdfaid:part를 먼저 읽으므로, part 4를 주장하는 packet은 Delphi용 PDFium Component에서 part 1~3이 일으키는 네 가지 extension-schema 지적을 건너뜁니다

PDF/A part 1~3은 custom property에 무엇을 요구하는가

그 namespace의 기술, 그리고 그 기술 안에서 property를 이름으로 부르는 한 줄입니다. ISO 19005-1 §6.7.2는 XMP property를 predefined schema나 §6.7.8을 준수하는 extension schema에서만 허용하는데, §6.7.8은 각 기술이 같은 metadata stream 안에 있기를 요구합니다. ISO 19005-2 §6.6.2.3.1이 이 규칙을 part 2와 3으로 나릅니다. 기술은 전면 허가가 아닙니다. pdfaProperty:name으로 property를 하나씩 이름 짓으므로, inv:InvoiceNumber를 기술하면서 inv:DueDate도 쓰는 packet은 두 번째에서 실패합니다. PDFium Component는 이런 사례를 네 TPdfAValidationIssue 값으로, 결함마다 지적 하나씩 보고합니다. 예컨대 바뀐 접두사는 prefix 지적만 냅니다

issue 값보고 시점조항
pvaiMissingExtensionSchemapredefined에 없는 namespace가 쓰이고 packet에 pdfaExtension:schemas container가 없을 때19005-1 §6.7.8, 19005-2 §6.6.2.3.1
pvaiXmpPropertyUndeclaredcontainer는 있지만 그 안의 어느 기술도 property를 이름으로 부르지 않을 때19005-1 §6.7.2, 19005-2 §6.6.2.3.1
pvaiExtensionSchemaPrefix기술의 namespace가 요구된 것 외의 prefix에 묶여 있을 때19005-1 §6.7.8, 19005-2 §6.6.2.3.2
pvaiExtensionSchemaEntryMissing기술이 자기 표가 나열한 필드 하나를 빼 먹었을 때19005-1 §6.7.8, 19005-2 §6.6.2.3.3

처음 둘 중 무엇을 받는지는 생산자에 달려 있습니다. 많은 PDF/A writer, PDFium Component의 SaveAsPdfA 포함해서, 이미 pdfaid 식별 schema를 container 안에 기술하므로 나중에 더한 필드는 자기 항목이 없는 container 곁에 떨어집니다. 아래 루틴은 extension-schema 지적만 인쇄합니다. 기대 결과: SaveAsPdfA가 쓴 PDF/A-2b 파일은 pac2b와 pvaiXmpPropertyUndeclared를 인쇄하고, container 없는 part 1 또는 2 packet은 pvaiMissingExtensionSchema를, PDF/A-4 파일은 적합성 줄 하나만 인쇄합니다

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;

predefined 집합은 XMP 2004와 ISO 16684-1 사이에서 움직였습니다

Part 1과 part 2는 predefined가 무엇을 뜻하는지 의견이 갈립니다. ISO 19005-1 §6.7.2는 2004년 1월의 XMP Specification을 가리키고, ISO 19005-2 §6.6.2.3.1은 목록이 더 긴 ISO 16684-1을 가리킵니다. 간극은 일상 파일에서 crs(Camera Raw 설정), aux(추가 EXIF 데이터), xmpDM(dynamic media)으로 드러나는데, PDF/A Competence Center의 TechNote 0008은 이를 XMP 2005 스펙에서 새로 생긴 것으로 각주를 답니다. crs:AutoBrightness나 xmpDM:videoColorSpace property는 part 1에서는 기술이 필요하고 part 2부터는 predefined입니다. 공개 veraPDF 코퍼스에는 그런 property 하나만 더하고 다른 것은 아무것도 건드리지 않는 PDF/A-1b 실패 파일이 있으며, veraPDF 자체의 테스트 파일 생성기는 PDF/A-2b 파일에 camera-raw나 dynamic-media 힌트를 적어 넣으므로, part 번호를 못 보는 검사기는 한쪽을 틀립니다. 선언도 움직였습니다. photoshop:SupplementalCategories는 2004년에는 Text이고 ISO 16684-1에서는 Text의 bag인데, bag 형태는 PDF/A-1에서 실패하고 PDF/A-2에서는 올바릅니다

반대쪽 지름길도 실패합니다. TechNote 0008의 열 schema 표 바깥을 전부 extension이라 부르면 평범한 xmpMM:History 항목이 쓰는 sType 구조와 Identifier qualifier namespace가 걸리는데, TechNote 0008은 PDF/A-1에서 그 URI들을 허용합니다. PDFium Component는 part를 pdfaid:part에서 읽습니다. 기술 블록 없이 crs, aux, xmpDM을 쓰는 part 1 packet은 pvaiMissingExtensionSchema를 받고, part 2 packet은 extension-schema 지적을 받지 않죠. PDF/A-1 출력을 위해서는 하류에서 아무도 읽지 않는 camera-raw와 dynamic-media property를 걷어 내세요. 꽉 찬 crs 기술은 수십 항목에 이르고, 각 항목이 entry-missing 지적의 기회가 됩니다

schema URI의 필수 접두사와 뒤에 붙는 #

XML namespace는 원래 writer에게 아무 prefix나 고르게 허락합니다. §6.7.8은 기술 어휘에 대해서는 그 자유를 거두고 각 구조에 URI와 필수 prefix를 줍니다. 값 타입에는 pdfaSchema, pdfaProperty, pdfaType, 그 타입의 필드에는 pdfaField죠. ISO 19005-2 §6.6.2.3.2는 넷을 모두 다시 적습니다. http://www.aiim.org/pdfa/ns/property#를 nonpdfaProperty에 묶는 것은 동등한 XML이지만 여전히 실패하며, 이 조항의 veraPDF 코퍼스 파일들은 모든 URI를 옳게 유지한 채 접두사 하나만 바꿉니다. 자기 schema는 다른 문제입니다. pdfaSchema:prefix는 선호 접두사를 기록하므로 inv는 권고입니다. 다만 packet이 묶는 접두사와 같게 두세요

네 PDF/A extension-schema 어휘의 해부도: 필수 접두사, schema URI, 필수 필드, 그리고 Delphi에서 PDFium Component가 적용하는 trailing hash 정규화
각 기술 어휘는 URI와 필수 prefix를 실어 나르며, component는 namespace URI를 비교하기 전에 양쪽의 뒤에 붙는 #을 떼어 냅니다

URI에는 기묘한 구석이 있습니다. ISO 19005-1 §6.7.8의 본문은 뒤에 # 없이 http://www.aiim.org/pdfa/ns/schema를 인쇄하는 반면, 그 표와 준수 파일들은 URI를 #으로 끝내므로 본문에 대한 엄격한 비교는 아무것도 맞지 않습니다. PDFium Component는 비교 전에 양쪽의 뒤에 붙는 #을 떼어 냅니다. # 형태로 쓰고, 자기 namespace는 pdfaSchema:namespaceURI에 문자 그대로 복사하세요. ISO 19005-2 §6.6.2.3.2의 맺음 문장은 §6.6.2.3.3의 표가 나열하는 모든 필드를 요구하며, 빠진 것은 pvaiExtensionSchemaEntryMissing으로 보고됩니다:

  • Schema(pdfaSchema): schema, namespaceURI, prefix, 그리고 property와 valueType 목록. 선언할 것이 없는 schema는 뒤의 둘을 빼도 됩니다
  • Property(pdfaProperty): name, valueType, category, description. category는 internal이거나 external입니다
  • Value type(pdfaType): type, namespaceURI, prefix, description, field. custom value type은 구조이므로 필수입니다
  • Field(pdfaField): name, valueType, description

구조화된 항목은 RDF/XML에서 어떻게 적어야 하는가

항목이 구조로 남는 한 세 가지 방법 모두 됩니다. ISO 32000-2 §14.3.2는 metadata stream의 문법을 ISO 16684-1에 맡기고, ISO 16684-1은 XMP를 RDF/XML의 부분집합으로 적습니다. 짧은 형태는 rdf:li에 rdf:parseType="Resource"를 놓고 그 아래 필드를 나열합니다. 긴 형태는 필드를 중첩된 rdf:Description으로 감싸며, 둘은 같은 익명 구조를 뜻합니다. 세 번째 표기는 평문 텍스트 필드를 그 rdf:Description의 attribute로 옮깁니다. 거기에는 텍스트만 맞습니다. pdfaSchema:property는 시퀀스를 담으므로 element로 남죠. 짧은 형태 항목에서 rdf:parseType을 떼어 내면 결과는 RDF/XML이 아닙니다. parser는 그러면 rdf:li 안에서 텍스트나 node element 하나를 기대하며, pdfaSchema:schema를 typed node로 치는데, node element는 공백이 아닌 텍스트를 담을 수 없으므로 첫 필드에서 이미 문법이 깨집니다. 목록 항목을 다시 만드는 XSLT나 사전에서 블록을 재생성하는 template은 모든 element를 지킨 채 attribute를 떨어뜨릴 수 있습니다. 그런 출력은 쓴 것과 다른 RDF parser로 다시 읽어 피해를 확인하세요

PDF/A extension-schema 항목 하나의 세 가지 합법적 RDF/XML 표기, 그리고 rdf:parseType이 떼어졌을 때의 문법 붕괴 — Delphi의 PDFium Component가 이를 보존합니다
짧은 형태와 긴 형태, attribute 단축 표기는 모두 같은 구조를 기술하며, 짧은 형태 항목에서 rdf:parseType을 떼어 내면 첫 필드에서 RDF 문법이 깨집니다
<!-- 짧은 형태: 전체가 기술된 청구서 schema -->
<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>

<!-- 긴 형태: 중첩 node로서의 같은 구조 -->
<rdf:li>
  <rdf:Description>
    <pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
    ...
  </rdf:Description>
</rdf:li>

<!-- attribute 단축 표기: 텍스트 필드는 attribute로, 목록은 element로 남습니다 -->
<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 Component는 도착한 표기를 그대로 지킵니다. TPdf.ReadXmpPacket이 반환하는 TPdfXmpPacket의 각 값은 자기 소스 element의 rdf:parseType, 즉 Resource, Literal, Collection을 기록하고, ToXml이 그대로 되적습니다. 기록 없는 구조는 rdf:parseType="Resource"를 달고 나갑니다. 그 writer는 SaveAsWithXmpPacket과 Info 항목과 그 XMP 동등물을 맞춰 놓는 NormalizePdfAMetadata를 서빙하며, 세 표기 중 무엇이든 extension 블록은 읽고 저장하는 사이클 앞뒤로 똑같이 검증됩니다. 새 항목은 짧은 형태로 쓰세요. 모든 필드가 element로 남아 편집이 균일해지고, SaveAsPdfA가 쓰는 pdfaid 항목과도 맞습니다

이미 있는 container에 자기 기술 더하기

새 항목은 기존 rdf:Bag에 합치세요. packet마다 container 하나입니다. veraPDF의 XMP parser는 두 번째 pdfaExtension:schemas element를 지닌 packet을 거부하고(Duplicate property or field node 'pdfaExtension:schemas'), 그 실패는 일반 metadata 규칙에 떨어집니다. 각 property에는 name과 value type, category, description이 필요한데, Factur-X 청구서가 extension schema에서 자기 fx property를 선언하려고 채워 넣는 항목들이 바로 그것입니다. 아래 코드는 짧은 형태 항목을 </rdf:Bag> 앞에 이어 붙이는데, ToXml은 그것을 container 자신의 줄에 적습니다. 항목이 pdfaSchema와 pdfaProperty를 스스로 선언하므로 어디에 떨어지든 똑같이 파싱됩니다

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;

// schema 항목이 Uri를 기술하면 True, 어떤 표기든
function DescribesNamespace(const V: TPdfXmpValue; const Uri: string): Boolean;
var
  Q: Integer;
begin
  for Q := 0 to High(V.Qualifiers) do      // 필드가 rdf:li의 attribute로
    if (V.Qualifiers[Q].Name = 'namespaceURI') and
       (string(V.Qualifiers[Q].Value) = Uri) then
      Exit(True);
  Result := (Pos('>' + Uri + '</', string(V.RawXml)) > 0) or    // element
    (Pos('namespaceURI="' + Uri + '"', string(V.RawXml)) > 0);   // attribute
end;

// 새 packet을 반환합니다, 해제는 호출자 몫
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);                // 이미 기술됨
  Xml := Packet.ToXml;
  P := Pos(ContainerEnd, Xml);
  if P > 0 then
    Insert(InvoiceSchemaItem, Xml, P)      // 기존 bag에 합류
  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);         // 첫 목록의 것
  finally
    Written.Free;
  end;
end;

기대 결과: SaveAsPdfA가 쓴 PDF/A-1, -2, -3 소스라면 TagInvoice는 적합성 줄과 네 extension-schema 값 중 어느 것도 인쇄하지 않고, 청구서 항목을 짧은 형태로 pdfaid 항목 곁에 놓습니다. 두 번째 실행은 기존 항목이 어떤 표기든 bag을 그대로 둡니다. DescribesNamespace는 RawXml을 검색하고, 빈 rdf:li의 attribute에 대해서는 qualifier들을 검색합니다. 다른 prefix 아래의 container는 예외를 일으키는데, 새로 하나 만들면 veraPDF가 거부하는 duplicate이 되니까요. ERP가 지불 기한을 더하면 기존 pdfaSchema:property 시퀀스를 늘리세요

PDF/A-4는 extension schema를 아예 검사하지 않는가

아닙니다. ISO 19005-4 §6.7.2.1은 packet 수준 규칙만 남깁니다. catalog의 Metadata 키, deprecate된 bytes와 encoding header attribute, 잘 생긴 XML과 UTF-8이죠. 기술 없는 property, nonpdfaSchema 아래의 기술, pdfaSchema:schema가 빠진 기술 모두 veraPDF PDF/A-4 프로필에서는 적합한 파일로 남고, PDFium Component는 pdfaid:part가 1, 2, 3일 때만 네 extension-schema 검사를 돌립니다. 식별 schema는 어디서나 자기 규칙을 지킵니다. Part 4의 §6.7.3 아래에서도 그 namespace는 pdfaid에 묶여야 하고, property 집합은 part별로 자랍니다. part, conformance, 그리고 2007년 Amendment 1부터 part 1의 amd, ISO 19005-2 §6.6.4부터의 corr, part 4의 rev이죠. 잘못된 접두사는 pvaiXmpIdPrefixWrong으로, 남는 이름은 pvaiXmpIdPropertyUnknown으로 모든 part에서 보고됩니다

한 문서에서 part들을 비교하려면 packet만 바꾸고 나머지는 건드리지 마세요. namespace binding을 XMP 안에 끼워 넣고 태그 사이의 공백 바이트를 그만큼 지워, /Length와 cross-reference 오프셋, %PDF-2.0 header가 제자리에 머물게 하세요. pypdf 재작성은 %PDF-1.3 header를 지닌 PDF/A-4 파일을 돌려줄 수 있는데, 그 실패들이 metadata 결과를 파묻습니다. 생산 출력에는 PDF/A-4 packet에도 기술을 적으세요. 몇백 바이트밖에 안 들고, PDFium Component의 validator는 part 4에서 이를 그대로 두며, packet은 나중에 PDF/A-3 인도물로 그대로 옮겨 갈 수 있습니다