Artykuł techniczny

PDF/UA-1 vs PDF/UA-2: reguły dostępności, które się zmieniły

Wewnętrzna lista kontrolna PDF/UA-1 odrzuca eksport PDF/UA-2, który veraPDF przepuszcza, oflagowując figurę z tagiem /ActualText (), adnotacje linków bez /Contents i drzewo struktury mieszające przestrzenie nazw. Każde z nich jest zgodne z ISO 14289-2:2024, więc zestaw reguł musi podążać za częścią, którą deklaruje każdy plik, a to pierwsza rzecz, którą czyta TPdf.ValidatePdfUa w PDFium Component

Deklarowane pdfuaid:part przełączające zestaw reguł PDF/UA w PDFium Component dla Delphi, gdzie jedna wartość issue znaczy różne reguły pod PDF/UA-1 i PDF/UA-2
Część zadeklarowana w XMP wybiera zestaw reguł, a ta sama wartość issue może nazywać dwie różne reguły między PDF/UA-1 a PDF/UA-2

Zadeklarowana część rozstrzyga, które reguły obowiązują

Każdy plik PDF/UA wymienia swoją część w metadanych XMP przez pdfuaid:part, a PDF/UA-2 dokłada dwa własne warunki: wpis rewizji i plik deklarujący PDF 2.0. Ta deklaracja jest przełącznikiem. TPdf.ValidatePdfUa zwraca TPdfUaValidationResult, którego pole Conformance raportuje puc1 albo puc2, pucNone dla pliku potwierdzenie niepozostającego w roszczeniu do PDF/UA, albo pucUnknown, gdy roszczenia nie da się ustalić, a którego zbiór Issues trzyma wyłącznie uwagi dotyczące tej części. Niektóre wartości issue stoją za jedną regułą w części 1 i szerszą w części 2. pvuaiActionTargetMissing na pliku części 1 znaczy, że akcja GoToR, URI albo SubmitForm nie ma klucza celu (§7.18.5); na pliku części 2 może też znaczyć cel, który nie prowadzi do elementu struktury (§8.8). pvuaiAnnotationMissingContents na pliku części 2 obejmuje widgety bez etykiety. Drukuj więc część obok każdego raportu:

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 jest prawdziwe tylko, gdy część to 1 albo 2, a zbiór issue jest pusty, więc plik bez roszczenia do PDF/UA nigdy nie zaraportuje się jako zgodny przez przypadek. Porównanie z veraPDF ma własną pułapkę. Narzędzie wiersza poleceń kończy kodem 1 dla pliku niezgodnego. Nadal pisze pełny raport XML na standardowe wyjście, a skrypt, który zatrzymuje się na kodzie wyjścia, wyrzuca numery reguł. Czytaj raport

Które narzekania UA-1 to fałszywe alarmy pod PDF/UA-2?

Każde narzekanie z przykładu otwierającego stosuje regułę, której PDF/UA-2 nie zawiera w tej formie. Zacznij od figury, gdzie pomyłka zwykle siedzi w kodzie parsowania. ISO 14289-2 §8.2.5.28.2 każe Figure nieść klucz /Alt albo /ActualText, a testem jest to, czy klucz istnieje: /ActualText () jest zgodny, i tylko figura bez żadnego z kluczy obala się. Czytnik trzymający obie wartości w gołych stringach zwija „obecny ale pusty” i „nieobecny” do tego samego '', a kontroler raportuje potem brak tekstu alternatywnego na figurze, która go ma. Trzymaj flagę obecności obok każdego stringa, gdy parsujesz element struktury. Pusty /ActualText to słaby opis, który recenzent-człowiek nadal może chcieć zobaczyć, ale walidator części 2 nie ma podstaw, żeby go obalać

Reguła linków znikła. PDF/UA-1 §7.18.5 wymaga, żeby każda adnotacja linku nieła /Contents; PDF/UA-2 nie stawia na jej miejscu żadnej reguły o kluczu adnotacji i krępuje strukturę w §8.2.5.20. Adnotacje prowadzące do różnych celów muszą siedzieć w osobnych elementach struktury Link albo Reference, więc pojedynczy element Link, który owija i skok do rozdziału 2, i URI do strony zewnętrznej, obala część 2 nawet, gdy obie adnotacje niosą /Contents. Obie części testują różne rzeczy — tekst na adnotacji w jednej, grupowanie w drzewie w drugiej. PDFium Component stosuje wymóg /Contents linku tylko do plików deklarujących część 1

Narzekanie na przestrzenie nazw bierze się z czytania złego dokumentu. ISO 14289-2 §8.2.4 trzyma cztery reguły: niestandardowy typ struktury musi mapować na standardowy, żadne mapowanie nie może być cykliczne, żaden typ nie może mapować wewnątrz tej samej jawnej przestrzeni nazw i żaden standardowy typ nie może być przemapowany na niestandardowy. ISO/TS 32005 §5.3 dodaje rekomendację dla dokumentów mieszających przestrzenie nazw — użyj przestrzeni nazw PDF 2.0 dla typów, które współdzielą — i ta rekomendacja nie jest wśród warunków zgodności PDF/UA-2. Lista kontrolna hard-failująca na §5.3 odrzuca poprawne mieszane drzewa, jak drzewo PDF 2.0 niosące formuły MathML. Rozwiązanie typu niestandardowego przez /RoleMapNS na standardowy to osobna robota, pokazana w walidacji PDF/UA-2 z mapami ról i przestrzeniami nazw

Trzy narzekania listy kontrolnej PDF/UA-1, które przechodzą pod ISO 14289-2: pusty ActualText na figurach, adnotacje linków i mieszanie przestrzeni nazw, tak jak PDFium Component je bramkuje w Delphi
Każde narzekanie stosuje regułę, której PDF/UA-2 nie zawiera w tej formie, więc kontrola należy za zadeklarowaną część, a nie do wspólnej listy kontrolnej

Reguły, które PDF/UA-2 dodał albo zaostrzył

Odwrotny kierunek jest ten drogi. Lista kontrolna UA-1 przepuszcza pliki poniżej, a niepowodzenia wychodzą dopiero, gdy ktoś odpali walidator części 2:

  • Widgety potrzebują etykiety albo opisu. PDF/UA-1 §7.18.1 zwalnia adnotacje widgetów z /Contents, bo tag Form z §7.18.4 obejmuje je. PDF/UA-2 §8.10.2.3 wymaga /Contents na każdym widgetcie, którego element struktury nie ma dziecka Lbl. Dymek /TU pola nie liczy się jako etykieta
  • Załączniki plikowe deklarują swoją relację. §8.9.2.4.10 wymaga, żeby specyfikacja pliku adnotacji FileAttachment niosła /AFRelationship — Source, Data, Alternative, Supplement i pozostałe wartości, których PDF/A-3 już używa dla plików powiązanych i AFRelationship
  • Nagłówki są numerowane. PDF/UA-1 przyjmuje tag generyczny H albo numerowane nagłówki H1…Hn, pod warunkiem, że jeden dokument ich nie miesza (§7.4.4). PDF/UA-2 §8.2.5.12 zakazuje generycznego H kategorycznie, więc schemat tagowania zbudowany na gołych elementach H potrzebuje przemapowania, zanim eksport będzie mógł rościć sobie część 2
  • Cele prowadzą do struktury. §8.8 wymaga, żeby cele nawigacyjne były celami struktury w rozumieniu ISO 32000-2 §12.3.2.3: tablica celu, której pierwszy element to element struktury, albo akcja GoTo z /SD

Stare reguły zostaw w spokoju. Kiedy lista kontrolna rośnie o pokrycie części 2, oczywista edycja to skasowanie zwolnienia widgetów z §7.18.1, żeby widgety bez /Contents dostawały flagę, i ta edycja każe zgodnym formularzom części 1 obalać się na regule, której ich standard nigdy nie miał. Dodaj kontrolę widgetów części 2 obok zwolnienia i bramkuj ją zadeklarowaną częścią. Tak PDFium Component raportuje regułę widgetów — zwolnienie części 1 pozostaje w mocy, a widget części 2 bez etykiety albo /Contents wychodzi jako pvuaiAnnotationMissingContents

Matryca porównująca PDF/UA-1 i PDF/UA-2 w kwestii etykiet widgetów, AFRelationship, generycznych nagłówków i celów struktury, cztery kontrole, które PDFium Component bramkuje per część w Delphi
Dodatki części 2 biegną obok reguł części 1 zamiast je zastępować, dzięki czemu zgodne formularze PDF/UA-1 nadal przechodzą w PDFium Component dla Delphi

Jak testować cel struktury bez fałszywych trafień?

Czytaj klucz, który specyfikacja rozstrzyga jako wygrywający. ISO 32000-2 tabela 202 czyni /D obowiązkowym na każdej akcji GoTo, a /SD opcjonalnym, i mówi, że cel struktury ma mieć pierwszeństwo, gdy obecne są oba. Zgodny link części 2 niesie więc często cel strony typu /D [6 0 R /Fit] dla starszych czytników i /SD [19 0 R /Fit] obok niego. Własna kontrola czytająca /D znajduje stronę, raportuje cel, który nie jest celem struktury, i obala plik. Przy akcjach patrz na /SD. Przy gołej tablicy celu idź za jej pierwszym elementem i zapytaj, czy wskazywany słownik jest elementem struktury, co w bajtach znaczy słownik z kluczem najwyższego poziomu /S

Najwyższy poziom to trudna część. Słownik strony rutynowo niesie /Group << /S /Transparency >> dla swojej grupy przezroczystości, a szukanie kluczy, które nie przeskakuje zagnieżdżonych słowników, znajduje ten wewnętrzny /S i rozstrzyga, że strona jest elementem struktury, więc zwykły cel strony przechodzi. Skanuj wyłącznie klucze zewnętrznego słownika i przeskakuj każdą wartość jako jeden kompletny obiekt, łącznie ze zagnieżdżonymi słownikami i tablicami. ParentTree, który mapuje /StructParent adnotacji z powrotem na jej element struktury, prosi o tę samą pieczołowitość. Jego tablica /Nums może parować klucz z pojedynczym odwołaniem (0 26 0 R) albo z tablicą (0 [null 20 0 R]), a w formie tablicy pozycja wewnątrz tablicy jest dokładana do klucza, żeby dosięgnąć wartości /StructParent. Parser znający tylko pierwszą formę zostawia adnotacje z drugiej bez rodzica struktury, a reguła grupowania §8.2.5.20 nie ma wtedy czego porównywać. Te kontrole też odpalaj na bajtach takich, jakie są wczytane: przepisana albo znormalizowana kopia może przenumerować obiekty adnotacji i przebudować drzewo numeryczne, to samo drzewo, które przepisujesz za każdym razem, gdy trzymasz /ParentTree i /StructParents w synchronizacji po edycji stron

Które tagi językowe przechodzą kontrolę /Lang?

Gramatyka nie zmieniła się między częściami (ISO 14289-1 §7.2, ISO 14289-2 §8.4.4); rozluźnione listy kontrolne gubią ją mimo wszystko. veraPDF wyraża ją jako ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$: pierwszy subtag od jednej do ośmiu liter, potem dowolna liczba subtagów od jednej do ośmiu liter albo cyfr, każdy wprowadzony myślnikiem. Limity są ostre. portugue-pt przechodzi, a portugues-pt obala się na dziewięcioliterowym pierwszym subtagu; nl-1234abcd przechodzi, a nl-1234abcde obala się; 1-pt i -pt obalają się na pierwszym znaku. Kontrola testująca tylko litery, cyfry i myślniki przyjmie wszystkie cztery niepowodzenia. /Lang katalogu i /Lang każdego elementu struktury potrzebują jednego wspólnego testu, albo ten sam tag dostanie dwa werdykty w jednym pliku. Tag zapisany jako string UTF-16BE, jak <FEFF0045004E002D00550053>, jest najpierw dekodowany; ten czyta się EN-US i przechodzi. Złe tagi często przychodzą z miejsc banalnych: stringi locale z Javy, ICU albo ustawień baz danych używają podkreślników, a pt_BR nie jest poprawnym tagiem. IsPdfUaLanguageTagValid stosuje ten sam test kształtu, więc tag możesz naprawić, zanim zostanie zapisany:

uses
  SysUtils, PDFium;

// Zamień platformowe locale typu pt_BR na tag, który PDF/UA przyjmuje,
// albo zwróć '', gdy prosta podmiana nie umie go naprawić
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
  // Oczekiwane:
  //   en-US, portugue-pt, nl-1234abcd   poprawne, jak zapisane
  //   pt_BR, zh_CN                      niepoprawne, naprawione na pt-BR / zh-CN
  //   portugues-pt, nl-1234abcde        niepoprawne, naprawione na ''
  for S in Samples do
    Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
      BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;

Wołaj konwersję tam, gdzie tag wchodzi do twojego pipeline, zanim dotrze do katalogu albo jakiegokolwiek elementu struktury. Pusty wynik to sygnał, żeby się wycofać do języka, którego dokument na pewno używa. Zapisanie surowego stringa locale mimo wszystko tylko przenosi niepowodzenie downstream, gdzie wychodzi jako pvuaiLangInvalidFormat dla katalogu albo pvuaiStructElementLangInvalid dla elementu, daleko od kodu, który go wyprodukował

Migrację zacznij od eksportu z akapitu otwierającego. Przepuść go przez ReportPdfUa z pierwszego listingu przy pomocy PDFium Component dla Delphi: wiersz nagłówka powinien wymienić PDF/UA-2, a ani pvuaiFigureMissingAlt, ani pvuaiLinkMissingContents, ani pvuaiNamespaceReuseInvalid nie powinno się pod nim pojawić. Każde narzekanie, które twoja stara lista kontrolna wciąż podnosi na tym pliku, znaczy regułę części 1 do przeniesienia za zadeklarowaną część