Artigo Técnico

Páginas mescladas elevam a versão PDF no catálogo

Um contrato digitalizado em 2004 começa com %PDF-1.3, e depois de uma mesclagem ingênua adicionar duas páginas de folheto com uma fonte OpenType embutida e uma foto de 16 bits, o pdfinfo ainda informa PDF 1.3. A versão certa vai para o catálogo da revisão anexada como /Version /1.6, o que a ISO 32000-1 §7.5.6 permite e o page import do HotPDF grava a partir dos objetos que copia

Por que um save incremental não reescreve %PDF-1.3?

Porque os bytes antigos continuam sendo um prefixo do novo arquivo. Um incremental update anexa um novo body, uma nova seção de cross-reference e um novo trailer depois do último %%EOF, e deixa todos os bytes anteriores em paz. Validadores de assinatura dependem disso, já que o /ByteRange de uma assinatura existente cobre o header antigo. Ferramentas de revision-diff vão além e tratam "o arquivo original é um prefixo do novo" como a definição de um save incremental. Remendar oito bytes no offset zero manteria todo offset de cross-reference válido e ainda assim quebraria o prefixo. A especificação viu isso chegando. Desde o PDF 1.4 um writer pode sobrepor o header com a entrada Version do catálogo, e a §7.5.6 NOTE 4 diz que a entrada existe para que a versão possa mudar durante um incremental update. A Tabela 28 adiciona as regras de leitura. O valor é um name object (/1.6, não o número 1.6); ele vale só quando é posterior ao header; quando o header é posterior ou a entrada está ausente, o header ganha. A versão efetiva é a maior das duas. Um leitor que confere só a primeira linha do arquivo subnotifica todo documento atualizado incrementalmente

Layout de incremental update de um PDF mesclado em Delphi com HotPDF: o header 1.3 intocado segue como prefixo enquanto o catálogo anexado carrega Version 1.6
a linha de header não pode mudar durante um incremental update, então o catálogo anexado carrega o name Version necessário e os leitores ficam com o posterior dos dois

Objetos copiados que elevam a versão necessária

A versão necessária vem das features, não do header do arquivo de origem. O THPDFHeadlessDocument.AppendImportedPages percorre os dicionários de página e recursos que clona e registra a maior versão que qualquer entrada copiada não nula exige. As tags são as mesmas usadas ao salvar numa versão exata de PDF com checagem de features; aqui elas correm para cima, elevando o nível declarado. Cada linha emparelha uma checagem que o import aplica com a versão que a ISO 32000-1 imprime ao lado da entrada:

Conteúdo copiadoExigeOnde a spec diz isso
Transparency group, soft mask (/SMask) ou parâmetros transparentes de ExtGStatePDF 1.4Modelo de transparência, §11
Stream de metadados XMP (/Type /Metadata /Subtype /XML)PDF 1.4§14.3.2
Dados de imagem comprimidos com JBIG2DecodePDF 1.4§7.4.7
Dados de imagem comprimidos com JPXDecodePDF 1.5§7.4.9
Imagem de 16 bits, seja image XObject seja inline image no content streamPDF 1.5Tabela 89, §8.9.7
/PresSteps não nulo, ou um /Trans de estilo Fly, Push, Cover, Uncover ou Fade, ou um com /SS ou /BPDF 1.5Tabela 30, Tabela 162
Optional content trazido junto com as páginasPDF 1.5§8.11
/FontFile3 com /Subtype /OpenTypePDF 1.6Tabela 126
/UserUnit de página, camadas travadas, ou expressão de visibilidade OCMD /VEPDF 1.6Tabela 30, §8.11

Estilos de transição mais antigos como Dissolve, Wipe ou Split datam do PDF 1.1 e não elevam nada, então o import lê o valor /S de um dicionário de transição; a mera presença de /Trans não prova nada. A gravação vem depois da varredura. Um name /Version entra na nova revisão quando existe uma versão necessária e ela é maior tanto que a versão do header do alvo quanto que qualquer /Version que o catálogo já carregue; caso contrário o catálogo não ganha entrada /Version. O header nunca é editado. O mesmo parágrafo da §7.5.6 pede que um writer atualize o dicionário /Extensions do catálogo quando um update adiciona ou remove developer extensions. O page import copia só objetos de nível de página, então o /Extensions fica como o alvo o tinha

Escada de versões do page import do HotPDF em Delphi: fontes OpenType, imagens de 16 bits e transparência elevam a exigência de 1.3 para 1.6 no catálogo anexado
a varredura do import registra a maior versão que qualquer entrada copiada exige, e o name Version só pousa no novo catálogo quando passa tanto o header quanto qualquer override anterior
uses
  SysUtils, HPDFHeadlessDocument;

procedure AppendBrochurePages(const ContractFile, BrochureFile, OutputFile: string);
var
  Target, Source: THPDFHeadlessDocument;
  Options: THPDFHeadlessPageImportOptions;
  Outcome: THPDFHeadlessPageImportResult;
begin
  Target := THPDFHeadlessDocument.Create;
  Source := THPDFHeadlessDocument.Create;
  try
    Target.LoadFromFile(ContractFile);   // header: %PDF-1.3
    Source.LoadFromFile(BrochureFile);   // export PDF 1.7: /FontFile3 /OpenType + foto de 16 bits

    Options := THPDFHeadlessPageImportOptions.Default;
    // Índices de página são zero-based: copia a capa e a folha de especificações
    Outcome := Target.AppendImportedPages(Source, [0, 2], Options);

    // Salvo como incremental update: os bytes antigos seguem como prefixo.
    // Esperado: a revisão nova do catálogo carrega /Version /1.6,
    // e a primeira linha do arquivo ainda lê %PDF-1.3
    Target.SaveToFile(OutputFile);
    WriteLn(Format('%d pages added, %d annotations flattened',
      [Outcome.AddedPages, Outcome.FlattenedAnnotations]));
  finally
    Source.Free;
    Target.Free;
  end;
end;

Para esse par, o programa de fonte OpenType fixa a exigência em 1.6, e a foto de 16 bits sozinha teria parado em 1.5. Source e target precisam ser dois documentos carregados diferentes. Um target que já está assinado ou certificado é recusado, porque anexar páginas muda o que a assinatura atesta

Inline images vivem dentro do content stream

Uma inline image nunca é um objeto. A ISO 32000-1 §8.9.7 a define como uma sequência BI … ID … EI escrita direto num content stream, com chaves abreviadas como /BPC para /BitsPerComponent, e recomenda a forma só para imagens pequenas de 4 KB ou menos. Uma profundidade de 16 bits ali precisa de PDF 1.5, do mesmo jeito que num image XObject, mas uma varredura de objetos nunca a encontra, porque esses bytes viajam dentro do /Contents copiado. Então o import também decodifica os content streams de cada página copiada, e de todo Form XObject e tiling pattern que clona, e os escaneia uma vez por um header BI cuja profundidade seja 16. Uma busca textual daria falso positivo. O operando de um operador show-text pode conter o literal (BI /BPC 16 ID), e uma linha de comentário pode ler % BI /BPC 16. Depois do ID, um único byte de white-space dá lugar a samples binários brutos que correm até um token EI com white space dos dois lados — e esses bytes de sample podem soletrar BI por acaso. O scanner então pula strings literais e hexadecimais, comentários e dados de sample inline, e para no primeiro header de 16 bits genuíno. Uma inline image de 8 bits, ou uma string que só menciona /BPC 16, deixa a versão onde estava

Fluxo de escaneamento de content stream usado pelo page import do HotPDF em Delphi para achar uma inline image de 16 bits pulando comentários, strings e sósias binárias
inline images se escondem dentro dos content streams copiados, então o scanner pula comentários, strings e bytes de sample até aparecer um header de 16 bits genuíno

O header do arquivo de origem decide a versão?

Não. As páginas selecionadas decidem. Carimbar o 1.7 do folheto na mesclagem superdeclara o resultado sempre que essas páginas não usam nada além dos operadores de desenho do PDF 1.3. Uma versão superdeclarada pode mandar um documento simples pelo caminho errado num workflow de impressão ou num gateway de arquivo que classifica arquivos por versão. Casar chaves ignorando os valores erra na mesma direção. /Mask null, /PresSteps null e um dicionário /Trans com /S /Dissolve contêm todos a chave interessante, nenhum deles precisa de versão mais nova, e um scanner que reage a nomes de chave eleva a versão de arquivos que nunca precisaram dela

Uma feature do PDF 1.3 num arquivo PDF 1.2 é declarada como 1.4

O caso sutil fica no fundo da faixa de versões. Image masks explícitas e de color key (/Mask na Tabela 89) são marcadas PDF 1.3. Copie essa imagem para um documento %PDF-1.2 e a exigência estrita é 1.3. Mas o /Version data do PDF 1.4. Escrever /Version /1.3 num arquivo 1.2 usa um mecanismo que o nível declarado não tem, então um leitor estrito não tem motivo para honrá-lo. O HotPDF declara 1.4 nesse caso: uma image mask entrando num documento cujo header está abaixo de 1.3 eleva a exigência direto para 1.4, a primeira versão em que o override é legal. Um target já em 1.3 não precisa de override algum para a mesma imagem

Como ler a versão efetiva de volta?

Pegue a versão do header, ache o name /Version do catálogo, e use o posterior dos dois. Um parser completo chega ao catálogo pelo /Root do trailer. Para um gate rápido num job em lote, uma varredura de bytes costuma bastar, com uma ressalva dita de cara: ela acha a entrada só quando a revisão mais nova do catálogo está escrita como objeto plain, fora de qualquer object stream comprimido. Busque do fim. Um arquivo atualizado incrementalmente pode guardar um catálogo por revisão: o original, e depois uma cópia substituta completa em cada update. Os leitores usam a cópia mais recente de cada objeto (§7.5.6), então o último /Version do arquivo normalmente pertence ao catálogo vivo. Um resultado vazio significa que essa varredura não achou override em texto plain; um parser ainda pode achar um dentro de um object stream. A função retorna a versão efetiva como string, algo como 1.6, e o gate depois dela protege um canal PDF/A-1, cujo padrão de base ISO 19005-1 é construído sobre o PDF 1.4:

uses
  SysUtils, IOUtils;

function EffectivePdfVersion(const FileName: string): string;
const
  Key: RawByteString = '/Version';
var
  Bytes: TBytes;
  Text: RawByteString;
  P, Q: Integer;
  Declared: string;
begin
  Result := '';
  Bytes := TFile.ReadAllBytes(FileName);
  if Length(Bytes) < 8 then
    Exit;                                     // curto demais para '%PDF-1.x'
  SetString(Text, PAnsiChar(@Bytes[0]), Length(Bytes));
  if Copy(Text, 1, 5) <> '%PDF-' then
    Exit;
  Result := string(Copy(Text, 6, 3));        // '%PDF-1.3' -> '1.3'

  // A revisão mais nova fica no fim, então busque de trás para frente
  P := Length(Text) - Length(Key) + 1;
  while (P > 0) and (Copy(Text, P, Length(Key)) <> Key) do
    Dec(P);
  if P = 0 then
    Exit;                                     // nenhum override em texto plain encontrado

  Q := P + Length(Key);
  while (Q <= Length(Text)) and (Text[Q] in [#0, #9, #10, #12, #13, #32]) do
    Inc(Q);
  if (Q < Length(Text)) and (Text[Q] = '/') then
  begin
    Declared := string(Copy(Text, Q + 1, 3)); // name object: /1.6
    if Declared > Result then                 // o header ganha quando é posterior
      Result := Declared;
  end;
end;

procedure RequirePdfA1Channel(const FileName: string);
var
  Version: string;
begin
  Version := EffectivePdfVersion(FileName);
  if Version > '1.4' then
    raise Exception.CreateFmt(
      '%s declares PDF %s; the PDF/A-1 channel takes PDF 1.4 at most',
      [ExtractFileName(FileName), Version]);
end;

A comparação de strings funciona porque toda versão de PDF publicada tem número menor de um dígito, e 2.0 ainda ordena acima de todo valor 1.x. Repare no que o gate deixa em paz. Ele não arranca o /Version para esgueirar o arquivo, e nunca confia no header sozinho. Uma checagem só de header passaria o contrato mesclado. O arquivo ainda carrega um formato de fonte PDF 1.6

Recusar ou rebaixar para um pipeline só de 1.4

Apagar o override é o remédio errado. Os objetos que exigiam 1.6 continuam no arquivo, então um leitor ciente de versão veria um documento 1.3 usando um formato de fonte 1.6, e ferramentas de preflight relatam essa discrepância. Um canal genuinamente limitado ao 1.4 deixa duas opções sólidas. Rejeitar a mesclagem antes de salvar, com a versão efetiva como teste, ou trazer as páginas de origem ao nível do alvo primeiro — converta a fonte e o conteúdo de imagem na ferramenta de autoria, depois importe o resultado. Rejeitar cedo é o padrão melhor. O erro nomeia o arquivo e a versão enquanto o job ainda roda, o que custa muito menos a suportar que uma falha de validação que ninguém explica uma semana depois. Um requisito pode ser descartado na hora do import: com Options.RemovePresentationSteps := True, as páginas copiadas deixam o /PresSteps de fora, então a navegação de subpágina não adiciona nada à versão necessária. Quando a decisão pertence à hora de salvar, uma pré-checagem de versão antes de salvar para o job antes que qualquer byte seja gravado

Para o contrato de 2004, o número a procurar é 1.6. Chame o EffectivePdfVersion na saída mesclada no mesmo serviço que rodou o AppendImportedPages do componente PDF HotPDF para Delphi. Um canal só de 1.4 pode então barrar o job enquanto o erro ainda nomeia as páginas do folheto que o elevaram