Technisch artikel

PDF/X-validatie in Delphi met de PDFium Component

Een flyer van één pagina met een Helvetica-kop oogt perfect in elke viewer op de ontwerpbureau-tafel, want elke viewer vervangt stilletjes een systeemfont voor Helvetica. De RIP van de print service provider krijgt zo'n vrijheid niet. Elk deel van ISO 15930 eist dat elk fontprogramma dat op de pagina wordt gebruikt in het bestand meereist, en de 14 standaard basisfonts zijn niet vrijgesteld, dus de flyer komt terug met "font not embedded" voor een font waar aan de ontwerpkant niemand ooit het missen van zag. Checks zoals die, samen met de pagina-boxes, de trapping-verklaring en de output intent, kunnen in uw eigen Delphi-toepassing draaien voordat er op de uploadknop wordt gedrukt

Wat een PDF/X-bestand moet bewijzen aan een drukker die het nooit heeft ontmoet

PDF/X bestaat voor blinde uitwisseling: een ontwerper stuurt een bestand naar een drukker met wie hij nooit heeft gesproken, en de drukker produceert correcte output zonder telefoontje over ontbrekende fonts of een gelinkte afbeelding die op iemands laptop is achtergebleven. Fonts moeten worden ingesloten omdat niet kan worden aangenomen dat de ontvangende RIP ze bezit. Externe verwijzingen zijn verboden omdat het bestand in zichzelf compleet moet zijn. Interactieve functies zijn verboden omdat inkt geen click handler heeft

PDFium Component meldt welk deel een bestand claimt via de enum TPdfXConformance. pxc1a is PDF/X-1a:2001 (ISO 15930-1), de strenge CMYK-plus-spot-uitwisseling op een PDF 1.3/1.4-basis. pxc3 is PDF/X-3:2002 (ISO 15930-3), dat RGB, Lab en ICC-gebaseerde kleur toelaat, gekoppeld aan de output intent. pxc4 is PDF/X-4:2010 (ISO 15930-7), dat live transparantie en lagen toestaat op PDF 1.6. pxc6 is PDF/X-6 (ISO 15930-9), gebouwd op PDF 2.0. Een bestand zonder enige PDF/X-identificatie komt terug als pxcNone, en pxcUnknown krijgt u wanneer er geen document is geladen

De identificatie zelf is een klein bundeltje markers die het met elkaar eens moeten zijn. Het XMP-pakket draagt pdfxid:GTS_PDFXVersion samen met de beschrijving van het extension schema en xmp:CreateDate / xmp:ModifyDate; de Info-dictionary herhaalt /GTS_PDFXVersion, en de twee strings moeten matchen. De /OutputIntents-entry van de catalog noemt de drukvoorwaarde waarvoor het bestand is gemaakt, met /S /GTS_PDFX, een /OutputConditionIdentifier en, voor een volledige uitwisseling, een ingesloten ICC-profiel in /DestOutputProfile. De trailer heeft een /ID nodig, en versleuteling is volledig uitgesloten. Elk daarvan mapt op een eigen waarde in TPdfXValidationIssue, van pvxiMissingPdfXIdentifier via pvxiInfoVersionMismatch, pvxiOutputIntentMissingIdentifier en pvxiEncryptionPresent

TPdf.ValidatePdfX als drukpoort draaien

TPdf.ValidatePdfX neemt geen argumenten en geeft een record TPdfXValidationResult terug met twee velden, Conformance en Issues (een Pascal-set van TPdfXValidationIssue), plus een methode IsCompliant. PDF/X-validatie hoort bij de Enterprise-editie: voeg FPdfEnterprise toe aan een uses-clausule, met Lib\Enterprise en Lib\SmallBusiness op het zoekpad, zodat de validator in uw executable wordt gelinkt. Zonder die unit gooit de aanroep EPdfEnterpriseRequired, wat op de eerste testrun makkelijk te spotten is

IsCompliant is met opzet streng. Hij geeft True terug alleen wanneer Conformance een van pxc1a, pxc3, pxc4 of pxc6 is en de issueset leeg is, en dat omvat pvxiMissingTitle. De standaard formuleert de Title als een aanbeveling, terwijl de meeste andere checks harde eisen zijn. De klus van een klant afwijzen omdat de Info-dictionary geen /Title heeft, is het soort afwijzing dat mensen de poort laten vertrouwen, dus splits de set en houd de adviserende items buiten de passeer/faal-beslissing:

uses
  PDFium, FPdfPdfx,
  FPdfEnterprise; // linkt de PDF/X-validator (Enterprise-editie)

const
  // Eigen beleid: bevindingen die aan de gebruiker worden gemeld maar de upload niet blokkeren
  AdvisoryIssues: TPdfXValidationIssues = [pvxiMissingTitle];

function PrintGate(const FileName: string;
  out Blocking, Advisory: TPdfXValidationIssues): Boolean;
var
  Pdf: TPdf;
  Res: TPdfXValidationResult;
begin
  Pdf := TPdf.Create(nil);
  try
    Pdf.FileName := FileName;
    Pdf.Active := True;

    Res := Pdf.ValidatePdfX;
    Advisory := Res.Issues * AdvisoryIssues;
    Blocking := Res.Issues - AdvisoryIssues;

    // Dezelfde conformiteitstest die IsCompliant gebruikt, minus de adviserende items
    Result := (Res.Conformance in [pxc1a, pxc3, pxc4, pxc6]) and
      (Blocking = []);
  finally
    Pdf.Free;
  end;
end;

Een bestand dat nooit heeft geclaimd PDF/X te zijn faalt op deze poort met een lange issueslijst: geen XMP-metadata, geen identifier, geen output intent, geen Info-versie-entry. Die lijst is nog steeds het tonen waard, want hij leest als een to-dolijst voor wie het bestand opnieuw moet exporteren. Nog één eigenschap van ValidatePdfX doet ertoe in een bewerkingsapplicatie: hij controleert het document zoals de component het nu zou opslaan, dus pagina's die u na het laden heeft toegevoegd of metadata die u heeft gewijzigd maken deel uit van wat wordt gevalideerd

Waarom weigeren drukkerijen PDF's zonder TrimBox?

De TrimBox is de afgewerkte pagina, de rechthoek die overblijft na de sneden van de guillotine. De MediaBox die elke PDF-pagina draagt is alleen het vel: hij houdt de bleed, de snijmarkeringen, de pasmerkendoelen en de kleurbalken. Imposition-software plaatst pagina's op een drukvel langs hun TrimBoxes, en zonder die ene moet de operator gokken waar uw visitiekaart ophoudt. Een verkeerde gok snijdt de bleed weg of laat een wit splintertje langs één rand achter

PDFium Component-diagram van een drukklare PDF-pagina met het MediaBox-vel met bleed, snijmarkeringen, kleurbalken en pasmerken rond de TrimBox-rechthoek die imposition-software leest, met pvxiMissingTrimBox zodra de key ontbreekt
De MediaBox is het volle vel met bleed, snijmarkeringen en kleurbalken, terwijl de TrimBox de afgewerkte pagina is die de guillotine moet vinden, en de box die een PDF/X-producer op elke pagina hoort te schrijven

ValidatePdfX draait drie geometriechecks. pvxiMissingTrimBox springt aan wanneer er nergens in het bestand een /TrimBox-key opduikt. pvxiTrimBoxWithArtBox springt aan wanneer een pagina /TrimBox en /ArtBox samen draagt. pvxiPageBoxOutsideMediaBox springt aan wanneer een /TrimBox of /BleedBox voorbij de /MediaBox reikt, wat een gebied beschrijft dat de pers niet kan belichten. Rechthoeken mogen hun hoeken in willekeurige volgorde noemen, dus beide worden genormaliseerd vóór de vergelijking

De boxchecks lezen rechthoeken die direct in elke page dictionary zijn weggeschreven. Boxes die van een /Pages-knooppunt zijn geërfd of als indirecte verwijzing zijn bewaard blijven buiten de insluitingstest, dus een bestand dat zo is gebouwd wordt beoordeeld op de aanwezigheid van zijn TrimBox alleen. Schrijft uw eigen producer boxes, schrijf ze dan direct op elke pagina zodat elke pagina de volledige insluitingstest krijgt

De /Trapped-key in de Info-dictionary beantwoordt een andere productievraag. Trapping laat aangrenzende kleuren licht overlappen zodat drukonregister geen witte gaten tussen ze opent, en de drukker moet weten of dat al is gedaan: een al getrapt bestand opnieuw trappen verdubbelt de overlappen, terwijl het overslaan bij een niet-getrapt bestand zichtbare gaten riskeert. PDF/X wil daarom /Trapped /True of /Trapped /False. Een ontbrekende key of /Unknown dwingt een mens het bestand te openen, en de component meldt het als pvxiTrappedNotSet

Structurele verboden, en op welk deel ze van toepassing zijn

De structurele laag van ValidatePdfX inspecteert de dictionaries van het bestand in plaats van iets te renderen, en streaminhoud blijft buiten de scan. Een JPEG waarvan de gecomprimeerde data toevallig de bytes /JavaScript bevat kan geen vals alarm slaan. ValidatePdfX draait deze checks wat het bestand ook claimt:

  • pvxiLzwForbidden: ergens in het bestand duikt een /LZWDecode-filter op; Flate doet hetzelfde werk en is wat een herexport zou moeten gebruiken
  • pvxiJavaScriptForbidden: er is een /JavaScript-actie of -name tree aanwezig
  • pvxiFormFieldsForbidden: er bestaat een /AcroForm-dictionary of een /XFA-entry
  • pvxiAdditionalActions: er is een /AA-additional-actions-dictionary aanwezig
  • pvxiEmbeddedFilesForbidden: /EmbeddedFiles of een /FileAttachment-annotatie is aanwezig
  • pvxiOpiForbidden: een /OPI- of /Alternates-entry wijst naar vervangbare beeldinhoud die ergens anders is bewaard

Twee checks verder hangen af van het deel dat het bestand claimt, en ValidatePdfX poort ze op de gedetecteerde Conformance. pvxiTransparencyForbidden geldt alleen voor PDF/X-1a en PDF/X-3, waar een transparency group of een actieve soft mask niet is toegestaan; PDF/X-4- en PDF/X-6-bestanden mogen live transparantie houden, dus dezelfde objecten daar halen niets aan. pvxiColorSpaceForbidden geldt alleen voor PDF/X-1a en springt aan op /DeviceRGB, /CalRGB of /Lab, want X-1a is een CMYK-en-spot-uitwisseling en de apparaatonafhankelijke ruimtes komen met X-3 meé. Een bestand waarvan het deel niet kon worden geïdentificeerd wordt nooit gevlagd voor een regel die misschien niet op hem van toepassing is

PDF/X-1a krijgt ook een nadere blik op zijn outputprofiel. Het ingesloten /DestOutputProfile moet een ICC-versie-2-outputprofiel (prtr) zijn met een CMYK-dataruimte en de lookup-tabellen die een RIP nodig heeft voor kleurconversie, en de /N van de stream moet 4 zijn. Een sRGB-profiel dat door een generieke PDF-writer is ingeplakt, of een beschadigd profiel, levert pvxiInvalidOutputProfile op. De writerskant past dezelfde test toe: SaveAsPdfX met Conformance op pxc1a gooit een EArgumentException wanneer IccProfileData geen bruikbaar ICC-v2-CMYK-outputprofiel is, in plaats van een bestand weg te schrijven dat de validator een minuut later zou afkeuren

Diagram van TPdf.ValidatePdfX in de PDFium Component voor Delphi dat een token-scan op byteniveau draait met marker-, inhouds- en pagina-geometriechecks en een font-insluitingsronde via het PDFium-objectmodel, samenvloeiend in één record TPdfXValidationResult
ValidatePdfX splitst één geladen document door de inhoudschecks op byteniveau en de fontronde via het PDFium-objectmodel, en voegt beide lagen samen in één getypeerd resultaatsrecord

Font-insluiting, twee keer gecontroleerd

Fonts krijgen twee checks omdat een byte-scan maar een deel van de vraag kan beantwoorden. De structurele laag gooit pvxiFontNotEmbedded wanneer het bestand fonts gebruikt maar helemaal geen /FontFile-, /FontFile2- of /FontFile3-programma draagt. Die regel is bewust conservatief: fontdescriptors tegen fontprogramma's afrekenen oogt precies maar slaat mis op bestanden waarin verschillende fonts één descriptor delen. De kost is dat een document met negen ingesloten fonts en één binnengeslopen systeemfont de byte-scan haalt

De tweede laag dicht dat gat via het PDFium-objectmodel. TPdf.ValidatePdfX laadt elke pagina, loopt zijn objecten langs met FPDFPage_CountObjects en FPDFPage_GetObject, herleidt het font van elk tekstobject met FPDFTextObj_GetFont, en vraagt FPDFFont_GetIsEmbedded. Eén font dat niet is ingesloten voegt pvxiPdfiumFontNotEmbedded toe en beëindigt de wandeling, dus op een catalogus van 300 pagina's die op zijn omslag faalt komt het antwoord na pagina één terug. Deze laag heeft de geladen PDFium-bibliotheek en een build nodig die FPDFFont_GetIsEmbedded exporteert; met een bibliotheek zonder die export wordt de laag overgeslagen en staat het vonnis op byteniveau op zichzelf

Beide checks antwoorden "ingesloten of niet". Wanneer een klant vraagt welk font op welke pagina de afwijzing veroorzaakte, pikt de enumeratiecode in het analyseren van PDF-fontproperties met PDFium in Delphi in waar het vonnis van de validator ophoudt. Een korte helper die elke blokkerende bevinding omzet in een zin die een ontwerper begrijpt doet ondertussen veel:

// Eigen helper: klantgerichte tekst voor de bevindingen die een klus blokkeren
function PdfXIssueText(Issue: TPdfXValidationIssue): string;
begin
  case Issue of
    pvxiMissingTrimBox:
      Result := 'No TrimBox: the finished page size is not defined';
    pvxiTrimBoxWithArtBox:
      Result := 'A page defines both TrimBox and ArtBox';
    pvxiPageBoxOutsideMediaBox:
      Result := 'TrimBox or BleedBox extends past the sheet';
    pvxiTrappedNotSet:
      Result := 'Trapped must be set to True or False';
    pvxiFontNotEmbedded, pvxiPdfiumFontNotEmbedded:
      Result := 'At least one font is not embedded';
    pvxiTransparencyForbidden:
      Result := 'Live transparency is not allowed in PDF/X-1a or PDF/X-3';
    pvxiColorSpaceForbidden:
      Result := 'RGB or Lab color is not allowed in PDF/X-1a';
    pvxiInvalidOutputProfile:
      Result := 'The output intent needs a CMYK printer profile';
  else
    Result := 'PDF/X requirement not met';
  end;
end;

procedure ReportBlocking(const Blocking: TPdfXValidationIssues);
var
  Issue: TPdfXValidationIssue;
begin
  for Issue in Blocking do
    Writeln('REJECT: ', PdfXIssueText(Issue));
end;

Het bestand op schijf controleren zonder de PDFium-DLL

De structurele laag is ook op zichzelf beschikbaar als ValidatePdfXCompliance(Source: TStream), gedeclareerd in de unit FPdfPdfx en geïmplementeerd in FPdfPdfxEngine. Het is kale Object Pascal zonder afhankelijkheid van de PDFium-bibliotheek, dus hij past waar een rendering-engine niet welkom is: een upload-handler op een webserver, een CI-stap die gegenereerde beelden doorlicht, of een Lazarus-service op een platform waar u liever geen native binaries meestuurt. Hij leest de stream precies zoals gegeven, wat hem het juiste gereedschap maakt wanneer de vraag is "wat krijgt de drukker?" in plaats van "hoe zou dit document eruitzien als het opnieuw werd opgeslagen?"

uses
  Classes, FPdfPdfx,
  FPdfPdfxEngine; // alleen de PDF/X-engine op byteniveau, geen PDFium-bibliotheek nodig

function QuickPdfXGate(const FileName: string): Boolean;
var
  Fs: TFileStream;
  Res: TPdfXValidationResult;
begin
  Fs := TFileStream.Create(FileName, fmOpenRead or fmShareDenyWrite);
  try
    Res := ValidatePdfXCompliance(Fs);
    // IsCompliant wijst pxcNone en pxcUnknown al af
    Result := Res.IsCompliant;
  finally
    Fs.Free;
  end;
end;

De stream moet seekable zijn, want de validator leest de cross-reference-data vanaf het einde van het bestand. Compressed object streams en cross-reference streams, de gebruikelijke layout van een PDF/X-4-bestand, worden als elke andere structuur gelezen. Op dit pad is het fontvonnis alleen het vonnis op byteniveau, want de check per tekstobject heeft het PDFium-objectmodel nodig. Draai ValidatePdfXCompliance als de goedkope eerste poort op elke upload en reserveer de volledige TPdf.ValidatePdfX voor bestanden die hem halen; afgewezen bestanden kosten nooit een paginalading

Waar de poort ophoudt en certificering begint

ValidatePdfX dekt identificatiemarkers, de output intent en zijn profiel, structurele verboden, de deelspecifieke transparantie- en kleurregels, pagina-geometrie, de trapping-verklaring en font-insluiting tot op individuele tekstobjecten. Dekkingslimieten, beeldresolutie en steunkleurnamen horen bij een kleurgehouden preflight-engine, het gereedschap dat een drukkerij gebruikt wanneer hij een klus certificeert. De waarde van de poort in de applicatie zit in het tijdstip: elke structurele afwijzing hierboven duikt op terwijl de klant nog op het uploadscherm staat. Hetzelfde TPdfXValidationResult voedt ook de rapportgenerator van de component, en het bouwen van een batch-preflight-rapport-CLI met de PDFium Component toont dat patroon toegepast over een map vol bestanden. PDF/X deelt veel van zijn machinerie met archiverings-PDF/A, van XMP-identificatie tot output intents, en de archiveringskant staat in PDF/A-preflight-validatie met de PDFium Component

De PDF/X-validators, de bijpassende writer SaveAsPdfX voor het produceren van conforme output, en de PDF/A-, PDF/UA-, PDF/E- en PDF/VT-checks die op dezelfde manier zijn gebouwd maken deel uit van de Enterprise-editie van de PDFium Component voor Delphi, C++Builder en Lazarus, zodat een printportaal kan controleren wat het accepteert met dezelfde bibliotheek waarmee het previews rendert