Een ERP-factuurnummer toegevoegd aan de XMP van een PDF/A-2b-bestand levert een undeclared-property-finding op, terwijl hetzelfde pakket in een PDF/A-4-bestand conform is. De delen 1 tot 3 eisen een pdfaExtension:schemas-beschrijving voor elke eigen property en deel 4 niet, dus leest de PDF/A-validator in PDFium Component voor Delphi pdfaid:part voordat hij een regelset kiest
Wat eisen PDF/A-delen 1 tot 3 van een eigen property?
Een beschrijving van zijn namespace, plus daarin een regel die de property noemt. ISO 19005-1 §6.7.2 staat XMP-properties alleen toe uit de voorgedefinieerde schemas of uit extension schemas die aan §6.7.8 voldoen, die elke beschrijving in dezelfde metadatastream wil; ISO 19005-2 §6.6.2.3.1 neemt de regel mee naar de delen 2 en 3. Een beschrijving is geen algemene vergunning. Hij noemt properties één voor één via pdfaProperty:name, dus een pakket dat inv:InvoiceNumber beschrijft en ook inv:DueDate wegschrijft, zakt voor de tweede. PDFium Component meldt deze gevallen onder vier TPdfAValidationIssue-waarden, één finding per fout: een hernoemde prefix levert bijvoorbeeld alleen de prefix-finding op
| Issue-waarde | Gemeld wanneer | Bepaling |
|---|---|---|
pvaiMissingExtensionSchema | Er wordt een niet-voorgedefinieerde namespace gebruikt en het pakket heeft geen pdfaExtension:schemas-container | 19005-1 §6.7.8, 19005-2 §6.6.2.3.1 |
pvaiXmpPropertyUndeclared | De container bestaat maar geen beschrijving erin noemt de property | 19005-1 §6.7.2, 19005-2 §6.6.2.3.1 |
pvaiExtensionSchemaPrefix | Een beschrijvings-namespace is gebonden aan een andere prefix dan de vereiste | 19005-1 §6.7.8, 19005-2 §6.6.2.3.2 |
pvaiExtensionSchemaEntryMissing | Een beschrijving laat een veld weg dat zijn tabel vermeldt | 19005-1 §6.7.8, 19005-2 §6.6.2.3.3 |
Welke van de eerste twee u krijgt, hangt van de producent af. Veel PDF/A-writers beschrijven het pdfaid-identificatieschema al in een container, SaveAsPdfA in PDFium Component incluis, dus een later toegevoegd veld belandt naast een container zonder entry voor hem. De routine hieronder drukt alleen de extension-schema-findings af. Verwacht: een door SaveAsPdfA geschreven PDF/A-2b-bestand drukt pac2b en pvaiXmpPropertyUndeclared af, een deel-1- of deel-2-pakket zonder container drukt pvaiMissingExtensionSchema, en een PDF/A-4-bestand drukt alleen zijn conformantieregel af
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;
De voorgedefinieerde set verschoof tussen XMP 2004 en ISO 16684-1
Deel 1 en deel 2 zijn het oneens over wat voorgedefinieerd betekent. ISO 19005-1 §6.7.2 wijst naar de XMP Specification van januari 2004, ISO 19005-2 §6.6.2.3.1 naar ISO 16684-1, waarvan de lijst langer is. De kloof laat zich in alledaagse bestanden zien via crs (Camera Raw-instellingen), aux (aanvullende EXIF-data) en xmpDM (dynamic media), die de TechNote 0008 van het PDF/A Competence Center in een voetnoot als nieuw in de XMP 2005-specificatie noemt. Een crs:AutoBrightness- of xmpDM:videoColorSpace-property heeft onder deel 1 een beschrijving nodig en is vanaf deel 2 voorgedefinieerd. Het openbare veraPDF-corpus bevat PDF/A-1b-failurebestanden die precies één zo'n property toevoegen en verder niets, terwijl de eigen testbestandbouwer van veraPDF een camera-raw- of dynamic-media-hint in zijn PDF/A-2b-bestanden schrijft, dus een checker die blind is voor het deelnummer gaat aan één kant fout. Ook de declaraties verschoofen: photoshop:SupplementalCategories is Text in 2004 en een bag van Text in ISO 16684-1, dus de bag-vorm zakt voor PDF/A-1 en is correct in PDF/A-2
De tegenovergestelde shortcut faalt ook. Alles buiten de tien schematabellen van TechNote 0008 een extension noemen zou de sType-structuren en de Identifier-qualifier-namespace vlaggen die gewone xmpMM:History-entries gebruiken, en TechNote 0008 staat die URI's in PDF/A-1 toe. PDFium Component leest het deel uit pdfaid:part: een deel-1-pakket zonder beschrijvingsblok dat crs, aux of xmpDM gebruikt, krijgt pvaiMissingExtensionSchema, een deel-2-pakket krijgt geen extension-schema-finding. Voor PDF/A-1-uitvoer: stript camera-raw- en dynamic-media-properties die niemand stroomafwaarts leest. Een volledige crs-beschrijving loopt op tot tientallen entries, elk een kans op een entry-missing-finding
Vereiste prefixes en de afsluitende # in de schema-URI's
XML-namespaces laten een writer normaal elke prefix kiezen. §6.7.8 neemt die vrijheid weg voor de beschrijvingswoordenschat en geeft elke structuur een URI en een vereiste prefix: pdfaSchema, pdfaProperty, pdfaType voor een valuetype en pdfaField voor een veld daarvan; ISO 19005-2 §6.6.2.3.2 herhaalt alle vier. http://www.aiim.org/pdfa/ns/property# binden aan nonpdfaProperty is equivalente XML en zakt toch, en de veraPDF-corpusbestanden voor deze bepaling houden elke URI correct en hernoemen één prefix. Uw eigen schema is een andere zaak: pdfaSchema:prefix noteert een geprefereerde prefix, dus inv is een aanbeveling. Houd hem in elk geval gelijk aan de prefix die het pakket bindt
De URI's hebben een eigenaardigheid. De lopende tekst van ISO 19005-1 §6.7.8 print http://www.aiim.org/pdfa/ns/schema zonder afsluitende #, terwijl zijn tabellen en conformerende bestanden de URI met één afsluiten, dus een strikte vergelijking met de lopende tekst matcht niets. PDFium Component laat een afsluitende # aan beide kanten vallen voordat hij vergelijkt. Schrijf de #-vorm en kopieer uw eigen namespace teken voor teken in pdfaSchema:namespaceURI. De sluitzin van ISO 19005-2 §6.6.2.3.2 wil vervolgens elk veld dat de tabellen van §6.6.2.3.3 noemen, en een gat wordt gemeld als pvaiExtensionSchemaEntryMissing:
- Schema (
pdfaSchema):schema,namespaceURIenprefix, plus de lijstenpropertyenvalueType, die een schema zonder iets te declareren kan weglaten - Property (
pdfaProperty):name,valueType,categoryendescription, waarbijcategoryofwelinternalofwelexternalis - Valuetype (
pdfaType):type,namespaceURI,prefix,descriptionenfield, verplicht omdat een eigen valuetype een structuur is - Veld (
pdfaField):name,valueTypeendescription
Hoe spel je een gestructureerde entry in RDF/XML?
Op drie manieren, zolang het item een structuur blijft. ISO 32000-2 §14.3.2 draagt de grammatica van een metadatastream over aan ISO 16684-1, dat XMP schrijft als een subset van RDF/XML. De korte vorm zet rdf:parseType="Resource" op de rdf:li en somt de velden eronder op; de lange vorm wikkelt ze in een geneste rdf:Description, en beide betekenen dezelfde anonieme structuur. Een derde spelling verplaatst plain-text-velden naar attributen op die rdf:Description. Daar past alleen tekst: pdfaSchema:property bevat een sequence en blijft een element. Strip rdf:parseType van een item in de korte vorm en het resultaat is geen RDF/XML. Een parser verwacht dan tekst of één node-element binnen de rdf:li, neemt pdfaSchema:schema voor een getypte node, en een node-element mag geen non-whitespace-tekst bevatten, dus het eerste veld breekt al de grammatica. Een XSLT die listitems herbouwt, of een template die het blok opnieuw genereert vanuit een dictionary, kan het attribuut laten vallen terwijl elk element blijft. Lees zulke uitvoer terug met een andere RDF-parser dan degene die hem schreef om de schade te zien
<!-- Korte vorm: het factuurschema volledig beschreven -->
<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>
<!-- Lange vorm: dezelfde structuur als geneste node -->
<rdf:li>
<rdf:Description>
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
...
</rdf:Description>
</rdf:li>
<!-- Attribuutverkorting: tekstvelden als attributen, de lijst blijft een element -->
<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 houdt de spelling aan die binnenkwam. Elke waarde in de TPdfXmpPacket die TPdf.ReadXmpPacket teruggeeft, noteert de rdf:parseType van zijn bronelement, Resource, Literal of Collection, en ToXml schrijft hem terug; een structuur zonder notitie verlaat het bestand met rdf:parseType="Resource". Die writer dient SaveAsWithXmpPacket en NormalizePdfAMetadata, de aanroep die Info-entries en hun XMP-equivalenten op één lijn brengt, en een extensieblok in elk van de drie spellingen valideert hetzelfde voor en na een lees-en-save-cyclus. Schrijf nieuwe entries in de korte vorm. Elk veld blijft een element, wat bewerkingen uniform houdt, en het sluit aan bij de pdfaid-entry die SaveAsPdfA wegschrijft
Uw beschrijving toevoegen aan de container die er al staat
Voeg de nieuwe entry samen in de bestaande rdf:Bag. Eén container per pakket. De XMP-parser van veraPDF weigert een pakket met een tweede pdfaExtension:schemas-element (Duplicate property or field node 'pdfaExtension:schemas'), en de failures landen op algemene metadataregels. Elke property heeft een naam, valuetype, categorie en beschrijving nodig, de entries die een Factur-X-factuur invult om zijn fx-properties in een extension schema te declareren. De listing plakt een kort-vorm-item vóór </rdf:Bag>, dat ToXml op de eigen regel van de container schrijft. Het item declareert pdfaSchema en pdfaProperty zelf, dus het parseert overal hetzelfde waar het ook landt
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;
// True als een schema-entry Uri beschrijft, ongeacht de gebruikte spelling
function DescribesNamespace(const V: TPdfXmpValue; const Uri: string): Boolean;
var
Q: Integer;
begin
for Q := 0 to High(V.Qualifiers) do // velden als attributen op rdf:li
if (V.Qualifiers[Q].Name = 'namespaceURI') and
(string(V.Qualifiers[Q].Value) = Uri) then
Exit(True);
Result := (Pos('>' + Uri + '</', string(V.RawXml)) > 0) or // elementen
(Pos('namespaceURI="' + Uri + '"', string(V.RawXml)) > 0); // attributen
end;
// Geeft een nieuw pakket terug; de aanroeper geeft het vrij
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); // al beschreven
Xml := Packet.ToXml;
P := Pos(ContainerEnd, Xml);
if P > 0 then
Insert(InvoiceSchemaItem, Xml, P) // aansluiten bij de bestaande bag
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); // uit de eerste listing
finally
Written.Free;
end;
end;
Verwacht: voor een PDF/A-1-, -2- of -3-bron geschreven door SaveAsPdfA drukt TagInvoice de conformantieregel af en geen van de vier extension-schema-waarden, met de factuurentry in de korte vorm naast de pdfaid-entry. Een tweede run laat de bag met rust, welke spelling de bestaande entry ook gebruikt: DescribesNamespace doorzoekt RawXml en, voor attributen op een lege rdf:li, de qualifiers. Een container onder een andere prefix gooit een exception, want een nieuwe zou de duplicaat zijn die veraPDF weigert. Voegt de ERP een vervaldatum toe, breid dan de bestaande pdfaSchema:property-sequence uit
Controleert PDF/A-4 extension schemas überhaupt?
Nee. ISO 19005-4 §6.7.2.1 houdt alleen packet-level regels over: de cataloguskey Metadata, de afgekeurde headerattributen bytes en encoding, goed gevormde XML en UTF-8. Een onbeschreven property, een beschrijving onder nonpdfaSchema en één zonder pdfaSchema:schema laten een bestand allemaal conformeren onder het veraPDF PDF/A-4-profiel, en PDFium Component draait zijn vier extension-schema-controles alleen als pdfaid:part 1, 2 of 3 is. Het identificatieschema houdt zijn regels overal. Onder §6.7.3 van deel 4 moet zijn namespace nog steeds gebonden zijn aan pdfaid, en zijn propertyset groeit met het deel: part, conformance en, sinds Amendment 1 van 2007, amd in deel 1, corr vanaf ISO 19005-2 §6.6.4, rev in deel 4. Een verkeerde prefix wordt in elk deel gemeld als pvaiXmpIdPrefixWrong en een extra naam als pvaiXmpIdPropertyUnknown
Om delen op één document te vergelijken, wijzigt u het pakket en verder niets: voeg de namespace-binding binnen de XMP in en verwijder evenveel bytes witruimte tussen tags, zodat /Length, de cross-reference-offsets en de %PDF-2.0-header op hun plek blijven. Een pypdf-herschrijving kan een PDF/A-4-bestand teruggeven met een %PDF-1.3-header waarvan de failures het metadataresultaat begraven. Voor productie-uitvoer: schrijf de beschrijving ook in PDF/A-4-pakketten weg. Het kost een paar honderd bytes, de validator in PDFium Component laat hem onder deel 4 met rust, en het pakket kan later ongewijzigd meeverhuizen naar een PDF/A-3-deliverable