Um PDF de fornecedor parece perfeito na tela, mas o validador PDF/A o rejeita com uma linha: 00030 At least one font is not embedded. O visualizador estava pegando fontes emprestadas da sua máquina o tempo todo. Abra o descritor de fonte dentro do arquivo e quase tudo que uma fonte incorporada precisa já está lá, até a largura da haste e a caixa delimitadora; o que falta é uma referência de stream segurando o próprio programa de fonte
A versão em lote disso é familiar para quem roda um pipeline de ingestão de arquivos. Faturas, contratos e formulários digitalizados chegam de fornecedores e de escritórios de digitalização, todas as mesas do prédio os renderizam bem, e o validador rejeita arquivo após arquivo com a mesma linha. Ninguém a montante vai regenerar coisa alguma. O pipeline tem que consertar o que recebe, e esse é o trabalho que este artigo cobre. O complemento dele, o artigo sobre detectar violações de PDF/A e PDF/UA com o relatório de preflight, diz quais arquivos estão quebrados; este trata do jeito mais frequente de eles quebrarem
O que o erro 00030 pede de fato
A ISO 19005-1 §6.3.4 exige que toda fonte usada por um arquivo em conformidade carregue o programa de fonte dela dentro do arquivo. O raciocínio é lógica de arquivamento pura. Um documento aberto daqui a cinquenta anos, em uma máquina que não compartilha fonte nenhuma com a que o produziu, tem que renderizar de forma idêntica, e uma fonte não incorporada é só uma instrução para ir procurar algo chamado Arial no sistema que por acaso estiver lendo. Quaisquer que sejam os glifos e as métricas que a substituta tenha, é isso que o leitor vê
O hábito de não incorporar vem da convenção Standard 14. O PDF dos primeiros tempos prometia que todo visualizador traz Helvetica, Times, Courier, Symbol e ZapfDingbats, então os geradores aprenderam a referenciá-las pelo nome e a não incorporar nada. Muita ferramenta ainda faz isso. O PDF/A revoga essa isenção, e a losLab PDF Library for Delphi aplica isso do lado do escritor: com o modo PDF/A ou PDF/X ativo, o AddStandardFont devolve 0 sem selecionar fonte alguma, porque a biblioteca não acompanha os contornos Standard 14 e não vai gravar uma referência que não consegue respaldar com um programa. AddTrueTypeFont com Embed=0 é promovido a incorporação completa sob o modo PDF/A, enquanto Embed=2 (subset) passa inalterado, já que um subset ainda é um programa incorporado
Isso cobre os arquivos que você mesmo escreve. O arquivo de um fornecedor é mais difícil, porque os dicionários de fonte foram escritos pelo gerador de outra pessoa e você não tem como pedir uma segunda tentativa a ele. Para esses arquivos a biblioteca fornece o EmbedMissingFonts, que repara um documento carregado no próprio local copiando cada programa ausente das fontes instaladas para o descritor que o documento já carrega
Por que uma fonte não incorporada precisa de só uma chave extra?
Um gerador que grava uma fonte TrueType não incorporada ainda produz um FontDescriptor completo: FontName, FontBBox, Flags, Ascent, Descent, StemV, CapHeight. O que ele deixa de fora é o stream que segura o programa de fonte, referenciado a partir do descritor como /FontFile2 para contornos TrueType ou /FontFile3 para fontes CID baseadas em CFF. Então o EmbedMissingFonts adiciona exatamente isso. Ele lê os bytes do programa, os grava como um novo stream comprimido com Flate e uma entrada /Length1, e anexa a referência ao descritor que já está lá
Achamos que essa abordagem no próprio local é o padrão certo para arquivos herdados, e a razão é o array Widths. As posições de texto em um content stream de PDF já estão fixas; o visualizador avança pelas larguras que o gerador original registrou. Reconstruir o dicionário de fontes a partir da fonte instalada substituiria essas larguras por outras recém-medidas, e se a versão instalada da face difere nem que seja um pouco da versão do autor, você mudou o documento que deveria preservar. Deixar o dicionário, a codificação, as larguras e todo content stream intocados significa que as páginas continuam apontando para os mesmos nomes de recurso com as mesmas métricas
A varredura cobre todo dicionário Font do arquivo, não só os alcançáveis a partir dos recursos de página, então fontes usadas só em aparências de anotação ou compartilhadas entre páginas também são pegas. Fontes compostas Type0, o tipo produzido para texto CJK e para a maior parte da saída Unicode moderna, são tratadas por meio do CIDFont descendente delas. O reparo inteiro é uma chamada em um documento carregado:
var
PDF: TPDFlib;
Repaired: Integer;
begin
PDF := TPDFlib.Create;
try
if PDF.LoadFromFile('supplier-invoice.pdf', '') <> 1 then
raise Exception.Create('Could not load PDF');
// Devolve quantas fontes ganharam um programa. Fontes já
// incorporadas ficam como estão; fontes sem match instalado
// são puladas e simplesmente não contadas.
Repaired := PDF.EmbedMissingFonts;
Writeln(Format('%d font program(s) embedded', [Repaired]));
PDF.SaveToFile('supplier-invoice-repaired.pdf');
finally
PDF.Free;
end;
end;
Como a busca por fontes instaladas casa nomes
Nomes de BaseFont em arquivos reais raramente batem com o nome de família que o Windows conhece. O EmbedMissingFonts normaliza cada nome antes da busca:
- Um prefixo de subset (seis letras maiúsculas e um sinal de mais, como em
KQBWTE+Calibri) é removido - Tudo depois da primeira vírgula ou do primeiro hífen é lido como o estilo, então
Arial,BoldItaliceArial-BoldMTpedem ambos uma face bold, eItalicouObliquepede uma itálica - Sufixos
MTePSno final são descartados, entãoArialMTresolve paraArial - Quando a face vive dentro de uma TrueType Collection (.ttc), os offsets das tabelas são ajustados para que o programa incorporado seja uma fonte standalone válida
O problema mais difícil é que o mapeador de fontes do Windows nunca diz não. Peça ao GDI uma família que não está instalada e ele devolve uma face substituta sem reclamar; peça bold em uma família que só tem face regular e ele engrossa os contornos na tela. Qualquer um dos resultados lhe daria um programa de fonte perfeitamente carregável que é a fonte errada. Por isso a busca confere a face que o GDI de fato selecionou contra a família pedida, ignorando espaços e caixa, e confere os bits bold e itálico da própria face contra o estilo pedido. Uma discrepância em qualquer um dos dois significa que a fonte é pulada
Essa é uma escolha deliberada. Uma busca mais permissiva subiria a contagem de reparos em todo lote, e alguns desses "reparos" incorporariam Arial Regular sob uma fonte que o documento chama de Arial,Bold. A ISO 19005-1 §6.3.6 exige que as larguras no dicionário de fontes concordem com o programa incorporado, então um quase-acerto pode trocar o erro 00030 por um erro de consistência de larguras, e no pior caso passa na validação enquanto renderiza um pouco diferente do que o autor pretendia. Preferimos reportar uma omissão a arquivar um palpite
A busca lê as fontes instaladas por meio do GDI do Windows. Em builds para Linux ou macOS o caminho de sistema não devolve nada, e a chamada baseada em arquivo da próxima seção é o jeito de fornecer programas
O que acontece quando a fonte não está instalada?
O valor de retorno diz. Se o EmbedMissingFonts reporta menos fontes do que você sabe que estão faltando, a diferença são fontes que a máquina não tem, ou não tem no estilo certo. Para elas, o EmbedFontProgramFromFile(FontName, FileName) anexa um programa de um arquivo .ttf ou .otf que você fornece, o que deixa um pipeline levar as faces corporativas que espera encontrar e recorrer a elas de propósito
O padrão que funciona melhor na prática são duas passadas. Rode o EmbedMissingFonts e salve, depois carregue o resultado, enumere o que continua não incorporado, e ofereça cada nome restante à sua própria pasta de fontes. O recarregamento importa: a flag de incorporação que o GetFontIsEmbedded reporta para uma fonte enumerada reflete o arquivo como ele estava quando o FindFonts rodou, então enumerar na mesma sessão do reparo mostraria respostas obsoletas
function FontFileFor(const BaseFont: string): string;
begin
// Helper seu (não faz parte da biblioteca): mapeia nomes de
// fontes do documento para arquivos de fonte que vão com o app.
// Um resultado vazio faz o EmbedFontProgramFromFile devolver 0
// sem tocar no sistema de arquivos.
if Pos('CorporateSans', BaseFont) > 0 then
Result := ExtractFilePath(ParamStr(0)) + 'fonts\CorporateSans.ttf'
else
Result := '';
end;
procedure EmbedFromShippedFonts(const InFile, OutFile: string);
var
PDF: TPDFlib;
I, FontID: Integer;
Name: string;
begin
PDF := TPDFlib.Create;
try
if PDF.LoadFromFile(InFile, '') <> 1 then
Exit;
PDF.FindFonts;
for I := 1 to PDF.FontCount do
begin
FontID := PDF.GetFontID(I);
if (FontID > 0) and (PDF.SelectFont(FontID) = 1) and
(PDF.GetFontIsEmbedded = 0) then
begin
// Passe o nome exatamente como armazenado, prefixo de subset incluído
Name := PDF.FontName;
if PDF.EmbedFontProgramFromFile(Name, FontFileFor(Name)) = 0 then
Writeln('Still not embedded: ', Name);
end;
end;
PDF.SaveToFile(OutFile);
finally
PDF.Free;
end;
end;
Três detalhes decidem se esse loop funciona. As chamadas por nome, o EmbedFontProgram para a fonte instalada e o EmbedFontProgramFromFile para um arquivo, comparam contra a BaseFont exatamente como o documento a armazena e agem sobre o primeiro dicionário Font que carrega esse nome, razão pela qual o loop passa o PDF.FontName direto em vez de um nome de família limpo. O formato do programa tem que servir ao tipo de fonte: dados TrueType de contornos de glifo para uma fonte TrueType ou CIDFontType2, um programa OpenType CFF (um que começa com a tag OTTO) para uma fonte CIDFontType0, que então é gravada como /FontFile3 com subtype OpenType. Entregue um arquivo CFF a uma fonte TrueType e a chamada devolve 0. E o caminho de reparo cobre fontes TrueType e CID; o /FontFile de uma fonte Type1 precisa do layout PFB de três segmentos com chaves de comprimento explícitas, então referências Type1 são puladas e deixadas para a contagem retornada sinalizar. Referências Standard 14 normalmente são gravadas como Type1, então espere vê-las nessa lista de sobras
Há também uma pergunta que a biblioteca não responde por você. As permissões de incorporação de uma fonte TrueType pertencem à fundição dela (foundry), e um pipeline que grava programas licenciados em documentos que saem da organização precisa de alguém para confirmar que as licenças permitem. O código vai incorporar qualquer arquivo que você apontar. Se você tem direito a isso é uma questão jurídica
Fechando o ciclo com CreatePreflightReport
A auditoria que rejeitou o arquivo deve ser a que o aprova. O CreatePreflightReport com ComplianceTests = 1 roda as verificações PDF/A, e a constatação 00030 é reportada uma vez para o arquivo inteiro, então uma única fonte esquecida o mantém no relatório. Rode no arquivo de origem, repare e salve, depois rode de novo na saída
function HasFontEmbeddingViolation(PDF: TPDFlib;
const FileName: string): Boolean;
var
Report: string;
begin
// ComplianceTests = 1 seleciona as verificações de PDF/A
Report := PDF.CreatePreflightReport(FileName, '', 1, 0);
Result := Pos('00030', Report) > 0;
end;
Um resultado surpreende as pessoas na primeira vez. A verificação de fontes ignora fontes que o conteúdo só desenha de forma invisível, no modo de renderização de texto 3, que é como a maioria dos motores de OCR monta uma camada de texto pesquisável sobre uma imagem digitalizada. Um arquivo digitalizado pode, portanto, passar no 00030 enquanto o FindFonts ainda lista uma face não incorporada. Isso é consistente com como o PDF/A trata texto invisível, e significa que uma listagem por fonte e o veredicto por arquivo podem legitimamente discordar no mesmo documento
Para logs de lote que precisam nomear exatamente qual face em qual arquivo continuou não incorporada, a listagem por fonte é a ferramenta melhor: carregue a saída, chame FindFonts, depois SelectFont e GetFontIsEmbedded para cada entrada. O artigo sobre extrair texto, imagens e fontes de PDFs carregados usa a mesma enumeração para alimentar a extração em vez do reparo
Incorporar resolve uma constatação, e a sua própria saída nunca deveria precisar disso
Incorporar fontes resolve o erro 00030 e nada mais. Um arquivo que também falha por criptografia, metadados XMP ausentes, um espaço de cores dependente de dispositivo sem um OutputIntent, ou fontes sem mapas ToUnicode vai continuar falhando depois de cada programa no lugar, então o reparo pertence ao interior do ciclo de preflight e trabalha a partir do que o relatório nomeia. O tamanho é o outro custo. Um programa de fonte CJK completo pode chegar a vários megabytes, e incorporar alguns deles pode tornar uma fatura de uma página muitas vezes o tamanho original dela; o artigo sobre otimização do tamanho de arquivos PDF e subsetting de fontes cobre cortar cada programa incorporado aos glifos que as páginas de fato usam
Do lado da escrita, o SetEmbedAllFonts(1) impede o seu próprio código de produzir os arquivos que este artigo repara. Ele aplica a mesma promoção que o modo PDF/A usa em um documento comum: qualquer chamada posterior de AddTrueTypeFont com Embed=0 incorpora o programa completo. A configuração pertence ao documento selecionado e afeta fontes adicionadas depois da chamada, então defina-a logo após o NewDocument. Nossa recomendação é ligá-la para qualquer coisa que possa acabar em um arquivo, PDF/A ou não, já que os arquivos que você cria hoje são os arquivos herdados de quem os ler depois
PDF.NewDocument;
PDF.SetEmbedAllFonts(1);
// Daqui em diante AddTrueTypeFont('Segoe UI', 0) incorpora o
// programa completo, exatamente como AddTrueTypeFont('Segoe UI', 1)
PDF.AddTrueTypeFont('Segoe UI', 0);
O caminho carregar-reparar-salvar, o fallback baseado em arquivo e a proteção do lado do escritor vêm todos na losLab PDF Library para Delphi, C# e VB.NET, junto com o motor de preflight usado acima para confirmar o resultado; a página do produto documenta o resto da API de fontes, incluindo inspeção por fonte e subsetting