Artykuł techniczny

Walidacja PDF/X w Delphi za pomocą Komponentu PDFium

Jednostronicowy ulotnik z nagłówkiem w Helvetica wygląda perfekcyjnie w każdej przeglądarce na biurku projektanta, bo każda przeglądarka po cichu podstawia font systemowy za Helvetica. RIP drukarni takiego luzu nie dostaje. Każda część ISO 15930 wymaga, by każdy program fontowy użyty na stronie pojechał wewnątrz pliku, i 14 standardowych fontów bazowych nie ma tu zwolnienia, więc ulotka wraca z komunikatem „font not embedded" za font, którego nikt po stronie projektowej nigdy nie widział jako brakującego. Sprawdzenia tego typu, wraz z pudełkami stron, deklaracją wyłapywania i output intent, mogą biec w twojej własnej aplikacji Delphi, zanim ktoś wciśnie przycisk wysyłania

Co plik PDF/X musi udowodnić drukarni, której nigdy nie spotkał

PDF/X istnieje dla wymiany na ślepo: projektant wysyła plik do drukarni, z którą nigdy nie rozmawiał, a drukarnia wypuszcza poprawny wydruk bez telefonu o brakujące fonty albo obraz z linkiem, który został na czyimś laptopie. Fonty muszą być osadzone, bo nie można zakładać, że przyjmujący RIP je ma. Odwołania zewnętrzne są zakazane, bo plik musi być kompletny sam w sobie. Funkcje interaktywne są zakazane, bo farba nie ma handlera kliknięcia

PDFium Component zgłasza, którą część plik deklaruje, przez enum TPdfXConformance. pxc1a to PDF/X-1a:2001 (ISO 15930-1), ścisła wymiana CMYK-plus-spot na bazie PDF 1.3/1.4. pxc3 to PDF/X-3:2002 (ISO 15930-3), który przyjmuje RGB, Lab i kolory oparte na ICC, związane z output intent. pxc4 to PDF/X-4:2010 (ISO 15930-7), który pozwala na żywą przezroczystość i warstwy na PDF 1.6. pxc6 to PDF/X-6 (ISO 15930-9), zbudowany na PDF 2.0. Plik bez żadnej identyfikacji PDF/X wraca jako pxcNone, a pxcUnknown dostajesz, gdy żaden dokument nie jest wczytany

Identyfikacja sama w sobie to mały pakiet znaczników, które muszą się z sobą zgadzać. Pakiet XMP niesie pdfxid:GTS_PDFXVersion razem z opisem schematu rozszerzenia oraz xmp:CreateDate / xmp:ModifyDate; słownik Info powtarza /GTS_PDFXVersion, a oba łańcuchy muszą być identyczne. Wpis /OutputIntents katalogu nazywa warunki druku, do których plik był przygotowywany: /S /GTS_PDFX, /OutputConditionIdentifier i, dla pełnej wymiany, osadzony profil ICC w /DestOutputProfile. Trailer potrzebuje /ID, a szyfrowanie jest wykluczone całkowicie. Każdy z tych punktów mapuje się na własną wartość w TPdfXValidationIssue, od pvxiMissingPdfXIdentifier przez pvxiInfoVersionMismatch i pvxiOutputIntentMissingIdentifier po pvxiEncryptionPresent

TPdf.ValidatePdfX jako bramka druku

TPdf.ValidatePdfX nie przyjmuje argumentów i zwraca rekord TPdfXValidationResult z dwoma polami, Conformance i Issues (zbiór pascalski TPdfXValidationIssue), plus metodą IsCompliant. Walidacja PDF/X należy do edycji Enterprise: dodaj FPdfEnterprise do klauzuli uses, z Lib\Enterprise i Lib\SmallBusiness na ścieżce wyszukiwania, żeby walidator został zlinkowany do twojego pliku wykonywalnego. Bez tej jednostki wywołanie podnosi EPdfEnterpriseRequired — łatwe do wychwycenia przy pierwszym przebiegu testowym

IsCompliant jest ścisła celowo. Zwraca True tylko wtedy, gdy Conformance to jedno z pxc1a, pxc3, pxc4, pxc6, a zbiór usterek jest pusty — i wlicza w to pvxiMissingTitle. Norma ujmuje Title jako rekomendację, podczas gdy większość pozostałych sprawdzeń to twarde wymagania. Odesłanie roboty klienta dlatego, że słownik Info nie ma /Title, to typ odrzucenia, po którym ludzie przestają ufać bramce — więc rozbij zbiór i trzymaj pozycje doradcze poza decyzją o zaliczeniu:

uses
  PDFium, FPdfPdfx,
  FPdfEnterprise; // linkuje walidator PDF/X (edycja Enterprise)

const
  // Twoja własna polityka: usterki zgłaszane użytkownikowi, ale nie blokujące wysyłki
  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;

    // Ten sam test zgodności, którego używa IsCompliant, minus pozycje doradcze
    Result := (Res.Conformance in [pxc1a, pxc3, pxc4, pxc6]) and
      (Blocking = []);
  finally
    Pdf.Free;
  end;
end;

Plik, który nigdy nie deklarował się jako PDF/X, obala tę bramkę z długą listą usterek: brak metadanych XMP, brak identyfikatora, brak output intent, brak wpisu wersji w Info. Ta lista i tak jest warta pokazania, bo czyta się jak listę zadań dla tego, kto musi wyeksportować plik od nowa. Jeszcze jedna właściwość ValidatePdfX ma znaczenie w aplikacji edytującej: sprawdza dokument takim, jakim komponent zapisałby go właśnie teraz, więc strony dodane po wczytaniu i metadane, które zmieniłeś, są częścią tego, co podlega walidacji

Dlaczego drukarnie odrzucają PDF-i bez TrimBox?

TrimBox to skończona strona — prostokąt, który zostaje po cięciu gilotyną. MediaBox, który niesie każda strona PDF, to tylko arkusz: trzyma spad, znaczniki cięcia, cele pasowania i pasy kontrolne kolorów. Oprogramowanie składu kładzie strony na arkuszu drukarskim po ich TrimBoxach, a bez niego operator musi zgadywać, gdzie kończy się twoja wizytówka. Zła zgadywanka utnie spad albo zostawi białą strzępkę wzdłuż jednej krawędzi

Diagram Komponentu PDFium strony PDF gotowej do druku pokazujący arkusz MediaBox ze spadem, znacznikami cięcia, pasami kolorów i znacznikami pasowania wokół prostokąta TrimBox, który czyta oprogramowanie składu, z podniesionym pvxiMissingTrimBox, gdy klucza brakuje
MediaBox to pełny arkusz ze spadem, znacznikami cięcia i pasami kolorów, a TrimBox to skończona strona, którą gilotyna musi znaleźć — pudełko, które producent PDF/X powinien zapisywać na każdej stronie

ValidatePdfX puszcza trzy sprawdzenia geometrii. pvxiMissingTrimBox strzela, gdy żaden klucz /TrimBox nie występuje nigdzie w pliku. pvxiTrimBoxWithArtBox strzela, gdy strona niesie /TrimBox i /ArtBox naraz. pvxiPageBoxOutsideMediaBox strzela, gdy /TrimBox albo /BleedBox sięga poza /MediaBox, co opisuje obszar, którego maszyna nie wyobrazi. Prostokąty mogą wypisywać swoje rogi w dowolnej kolejności, więc oba są normalizowane przed porównaniem

Sprawdzenia pudełek czytają prostokąty zapisane wprost w słowniku każdej strony. Pudełka odziedziczone z węzła /Pages albo trzymane jako odwołania pośrednie zostają poza testem zawierania, więc plik zbudowany w ten sposób jest sądzony wyłącznie po obecności TrimBoxa. Jeśli twój własny producent zapisuje pudełka, zapisuj je wprost na każdej stronie, by każde dostawało pełny test zawierania

Klucz /Trapped w słowniku Info odpowiada na inne produkcyjne pytanie. Wyłapywanie (trapping) lekko nakłada sąsiednie kolory, by błąd pasowania druku nie otworzył między nimi białych szczelin, a drukarnia musi wiedzieć, czy to już zrobiono: wyłapywanie pliku już wyłapanego podwaja nakładania, a pominięcie go na pliku niewyłapanym grozi widocznymi szczelinami. PDF/X chce więc /Trapped /True albo /Trapped /False. Brakujący klucz albo /Unknown zmuszają człowieka do otwarcia pliku, a komponent zgłasza to jako pvxiTrappedNotSet

Zakazy strukturalne i do których części się odnoszą

Warstwa strukturalna ValidatePdfX ogląda słowniki pliku, nie renderując niczego, a zawartość strumieni zostaje poza skanem. JPEG, którego skompresowane dane z przypadku zawierają bajty /JavaScript, nie może dać fałszywego trafienia. ValidatePdfX puszcza te sprawdzenia niezależnie od części, którą plik deklaruje:

  • pvxiLzwForbidden: filtr /LZWDecode występuje gdziekolwiek; Flate robi tę samą robotę i tego powinien użyć reeksport
  • pvxiJavaScriptForbidden: obecna jest akcja /JavaScript albo drzewo nazw
  • pvxiFormFieldsForbidden: istnieje słownik /AcroForm albo wpis /XFA
  • pvxiAdditionalActions: obecny jest słownik dodatkowych akcji /AA
  • pvxiEmbeddedFilesForbidden: obecne są /EmbeddedFiles albo adnotacja /FileAttachment
  • pvxiOpiForbidden: wpis /OPI albo /Alternates wskazuje zastępowalną zawartość obrazu schowaną gdzie indziej

Dwa sprawdzenia więcej zależą od części, którą plik deklaruje, i ValidatePdfX bramkuje je wykrytym Conformance. pvxiTransparencyForbidden dotyczy tylko PDF/X-1a i PDF/X-3, gdzie grupa przezroczystości albo aktywna miękka maska nie jest dozwolona; pliki PDF/X-4 i PDF/X-6 mogą trzymać żywą przezroczystość, więc te same obiekty tam nic nie podnoszą. pvxiColorSpaceForbidden dotyczy wyłącznie PDF/X-1a i strzela na /DeviceRGB, /CalRGB albo /Lab, bo X-1a to wymiana CMYK-i-spot, a przestrzenie niezależne od urządzenia przychodzą z X-3. Plik, którego części nie da się zidentyfikować, nigdy nie jest flagowany regułą, która może go nie dotyczyć

PDF/X-1a dostaje też bliższe spojrzenie na swój profil wyjściowy. Osadzony /DestOutputProfile musi być profilem wyjściowym ICC wersji 2 (prtr) z przestrzenią danych CMYK i tablicami lookup, których RIP potrzebuje do konwersji kolorów, a /N strumienia musi być 4. Profil sRGB wklejony przez generyczny writer PDF albo uszkodzony profil dają pvxiInvalidOutputProfile. Strona writera stosuje ten sam test: SaveAsPdfX z Conformance ustawionym na pxc1a podnosi EArgumentException, gdy IccProfileData nie jest używalnym profilem wyjściowym ICC v2 CMYK, zamiast zapisywać plik, który walidator obaliłaby minutę później

Diagram TPdf.ValidatePdfX w Komponencie PDFium dla Delphi wykonujący skan tokenów na poziomie bajtów ze sprawdzeniami znaczników, zawartości i geometrii stron oraz przejście osadzania fontów po modelu obiektowym PDFium, zlewające się w jeden rekord TPdfXValidationResult
ValidatePdfX rozdziela jeden wczytany dokument na sprawdzenia zawartości na poziomie bajtów i przejście fontów po modelu obiektowym PDFium, po czym zlewa obie warstwy w jeden typowany rekord wyniku

Osadzanie fontów, sprawdzane dwa razy

Fonty dostają dwa sprawdzenia, bo skan bajtów odpowiada tylko na część pytania. Warstwa strukturalna podnosi pvxiFontNotEmbedded, gdy plik używa fontów, a nie niesie żadnego programu /FontFile, /FontFile2 ani /FontFile3. Ta reguła jest celowo konserwatywna: liczenie deskryptorów fontów wobec programów fontów wygląda precyzyjnie, ale wypala się na plikach, gdzie kilka fontów dzieli jeden deskryptor. Kosztem jest to, że dokument z dziewięcioma fontami osadzonymi i jednym systemowym przemyconym przechodzi skan bajtów

Druga warstwa zamyka tę lukę przez model obiektowy PDFium. TPdf.ValidatePdfX wczytuje każdą stronę, przechodzi jej obiekty przez FPDFPage_CountObjects i FPDFPage_GetObject, rozwiązuje font każdego obiektu tekstowego przez FPDFTextObj_GetFont i pyta FPDFFont_GetIsEmbedded. Jeden font nieosadzony dodaje pvxiPdfiumFontNotEmbedded i kończy przejście, więc na katalogu 300 stron, który obala się na okładce, odpowiedź wraca po stronie pierwszej. Ta warstwa potrzebuje wczytanej biblioteki PDFium i builda eksportującego FPDFFont_GetIsEmbedded; przy bibliotece bez tego eksportu warstwa jest pomijana i werdykt bajtowy stoi sam

Oba sprawdzenia odpowiadają na „osadzony czy nie". Gdy klient pyta, który font na której stronie zawinił, kod wyliczania z artykułu o analizie właściwości fontów PDF przez PDFium w Delphi podnosi się tam, gdzie kończy się werdykt walidatora. Krótki pomocnik zamieniający każdą blokującą usterkę w zdanie zrozumiałe dla projektanta sporo daje w międzyczasie:

// Twój własny pomocnik: tekst dla klienta przy usterkach blokujących robotę
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;

Sprawdzanie pliku na dysku bez DLL PDFium

Warstwa strukturalna jest dostępna też osobno jako ValidatePdfXCompliance(Source: TStream), zadeklarowana w jednostce FPdfPdfx i zaimplementowana w FPdfPdfxEngine. To goły Object Pascal bez zależności od biblioteki PDFium, więc pasuje tam, gdzie silnik renderowania jest niewskazany: handler wysyłki na serwerze www, krok CI wetujący generowaną grafikę albo usługa Lazarus na platformie, po której nie chciałbyś wysyłać natywnych binarek. Czyta strumień dokładnie taki, jaki jest, co czyni ją właściwym narzędziem, gdy pytanie brzmi „co dostanie drukarnia?", a nie „jak wyglądałby ten dokument, gdyby zapisać go od nowa?"

uses
  Classes, FPdfPdfx,
  FPdfPdfxEngine; // tylko bajtowy silnik PDF/X, biblioteka PDFium niepotrzebna

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

Strumień musi być przewijalny, bo walidator czyta dane odwołań krzyżowych z końca pliku. Skompresowane strumienie obiektów i strumienie odwołań krzyżowych — zwykły układ pliku PDF/X-4 — są czytane jak każda inna struktura. Na tej ścieżce werdykt fontowy jest wyłącznie bajtowy, bo sprawdzenie per obiekt tekstowy potrzebuje modelu obiektowego PDFium. Puszczaj ValidatePdfXCompliance jako tanią pierwszą bramkę przy każdej wysyłce i zostaw pełne TPdf.ValidatePdfX plikom, które ją przejdą; odrzucone pliki nigdy nie kosztują wczytania strony

Gdzie bramka się kończy, a zaczyna certyfikacja

ValidatePdfX pokrywa znaczniki identyfikacji, output intent i jego profil, zakazy strukturalne, reguły przezroczystości i koloru zależne od części, geometrię stron, deklarację wyłapywania i osadzanie fontów aż po pojedyncze obiekty tekstowe. Limity pokrycia farbą, rozdzielczość obrazów i nazewnictwo kolorów spot należą do silnika preflightu zarządzanego kolorem — narzędzia, którego drukarnia używa, gdy certyfikuje robotę. Wartością bramki w aplikacji jest timing: każde strukturalne odrzucenie opisane powyżej wychodzi, podczas gdy klient siedzi jeszcze przy ekranie wysyłki. Ten sam TPdfXValidationResult zasila też generator raportów komponentu, a budowanie batchowego CLI raportu preflight z Komponentem PDFium pokazuje ten wzorzec na folderze plików. PDF/X dzieli sporą część mechanizmu z archiwalnym PDF/A — od identyfikacji XMP po output intents — a strona archiwalna jest omówiona w walidacji preflight PDF/A z Komponentem PDFium

Walidatory PDF/X, pasujący writer SaveAsPdfX do produkcji zgodnego wyjścia i sprawdzenia PDF/A, PDF/UA, PDF/E oraz PDF/VT zbudowane tym samym sposobem są częścią edycji Enterprise Komponentu PDFium dla Delphi, C++Builder i Lazarus, więc portal druku może sprawdzać to, co przyjmuje, tą samą biblioteką, której używa do renderowania podglądów