Um número de fatura de ERP adicionado ao XMP de um arquivo PDF/A-2b rende um finding de propriedade não declarada, mas o mesmo packet num arquivo PDF/A-4 conforms. As partes 1 a 3 exigem uma descrição pdfaExtension:schemas para toda propriedade customizada e a parte 4 não, então o validador PDF/A do PDFium Component para Delphi lê o pdfaid:part antes de escolher um conjunto de regras
O que as partes 1 a 3 do PDF/A exigem de uma propriedade customizada?
Uma descrição do namespace dele, mais uma linha nessa descrição nomeando a propriedade. A ISO 19005-1 §6.7.2 permite propriedades XMP só dos schemas predefinidos ou de extension schemas em conformidade com a §6.7.8, que quer cada descrição no mesmo metadata stream; a ISO 19005-2 §6.6.2.3.1 leva a regra às partes 2 e 3. Uma descrição não é licença geral. Ela nomeia propriedades uma a uma pelo pdfaProperty:name, então um packet que descreve inv:InvoiceNumber e também escreve inv:DueDate reprova no segundo. O PDFium Component relata esses casos sob quatro valores de TPdfAValidationIssue, um finding por falta: um prefixo renomeado, por exemplo, rende só o finding de prefixo
| Valor de issue | Relatado quando | Cláusula |
|---|---|---|
pvaiMissingExtensionSchema | Um namespace não predefinido está em uso e o packet não tem container pdfaExtension:schemas | 19005-1 §6.7.8, 19005-2 §6.6.2.3.1 |
pvaiXmpPropertyUndeclared | O container existe mas nenhuma descrição nele nomeia a propriedade | 19005-1 §6.7.2, 19005-2 §6.6.2.3.1 |
pvaiExtensionSchemaPrefix | O namespace de uma descrição está ligado a um prefixo diferente do exigido | 19005-1 §6.7.8, 19005-2 §6.6.2.3.2 |
pvaiExtensionSchemaEntryMissing | Uma descrição deixa de fora um campo que a tabela dela lista | 19005-1 §6.7.8, 19005-2 §6.6.2.3.3 |
Qual dos dois primeiros você leva depende do produtor. Muitos writers PDF/A já descrevem o schema de identificação pdfaid num container, incluindo o SaveAsPdfA do PDFium Component, então um campo adicionado depois cai ao lado de um container que não tem entrada para ele. A rotina abaixo imprime só os findings de extension schema. Esperado: um arquivo PDF/A-2b escrito pelo SaveAsPdfA imprime pac2b e pvaiXmpPropertyUndeclared, um packet de parte 1 ou 2 sem container imprime pvaiMissingExtensionSchema, e um arquivo PDF/A-4 imprime só a linha de conformance dele
uses
System.SysUtils, System.Classes, System.TypInfo,
PDFium, FPdfPdfa, FPdfXmp;
const
InvoiceNs = 'http://ns.example.com/invoice/1.0/';
ExtensionIssues: TPdfAValidationIssues = [pvaiMissingExtensionSchema,
pvaiXmpPropertyUndeclared, pvaiExtensionSchemaPrefix,
pvaiExtensionSchemaEntryMissing];
procedure PrintExtensionIssues(Source: TStream);
var
Res: TPdfAValidationResult;
Issue: TPdfAValidationIssue;
begin
Res := ValidatePdfAComplianceEx(Source, TPdfAValidationOptions.Default);
Writeln(GetEnumName(TypeInfo(TPdfAConformance), Ord(Res.Conformance)));
for Issue in Res.Issues * ExtensionIssues do
Writeln(' ', GetEnumName(TypeInfo(TPdfAValidationIssue), Ord(Issue)));
end;
procedure ProbeCustomProperty(const FileName: string);
var
Pdf: TPdf;
Packet: TPdfXmpPacket;
Output: TMemoryStream;
begin
Output := TMemoryStream.Create;
try
Pdf := TPdf.Create(nil);
try
Pdf.FileName := FileName;
Pdf.Active := True;
Packet := Pdf.ReadXmpPacket;
if Packet = nil then
raise Exception.CreateFmt('%s has no XMP packet', [FileName]);
try
Packet.SetSimpleValue(InvoiceNs, 'inv', 'InvoiceNumber', 'INV-2026-0412');
if not Pdf.SaveAsWithXmpPacket(Output, Packet) then
raise Exception.Create('Saving the edited packet failed');
finally
Packet.Free;
end;
finally
Pdf.Free;
end;
Output.Position := 0;
PrintExtensionIssues(Output);
finally
Output.Free;
end;
end;
O conjunto predefinido mudou entre o XMP 2004 e a ISO 16684-1
A parte 1 e a parte 2 discordam sobre o que predefinido significa. A ISO 19005-1 §6.7.2 aponta para a XMP Specification de janeiro de 2004, a ISO 19005-2 §6.6.2.3.1 para a ISO 16684-1, cuja lista é mais longa. O vão aparece nos arquivos do dia a dia pelo crs (configurações Camera Raw), pelo aux (dados EXIF adicionais) e pelo xmpDM (mídia dinâmica), que a TechNote 0008 do PDF/A Competence Center nota de rodapé como novas na especificação XMP 2005. Uma propriedade crs:AutoBrightness ou xmpDM:videoColorSpace precisa de descrição na parte 1 e é predefinida da parte 2 em diante. O corpus público do veraPDF tem arquivos de reprovação PDF/A-1b que adicionam uma dessas propriedades e nada mais, enquanto o próprio construtor de arquivos de teste do veraPDF escreve uma dica camera-raw ou dynamic-media nos arquivos PDF/A-2b dele, então um checador cego ao número da parte erra de um lado. As declarações também mudaram: photoshop:SupplementalCategories é Text em 2004 e um bag de Text na ISO 16684-1, então a forma bag reprova no PDF/A-1 e está correta no PDF/A-2
O atalho oposto também reprova. Chamar de extensão tudo que está fora das dez tabelas de schema da TechNote 0008 marcaria as estruturas sType e o namespace de qualifier Identifier que entradas xmpMM:History comuns usam, e a TechNote 0008 permite esses URIs no PDF/A-1. O PDFium Component lê a parte do pdfaid:part: um packet de parte 1 sem bloco de descrição que usa crs, aux ou xmpDM leva pvaiMissingExtensionSchema, um packet de parte 2 não leva finding de extension schema nenhum. Para saída PDF/A-1, arranque propriedades camera-raw e dynamic-media que ninguém downstream lê. Uma descrição crs completa chega a dezenas de entradas, cada uma uma chance de finding de entrada faltante
Prefixos exigidos e o # final nos URIs de schema
Namespaces XML normalmente deixam o writer escolher qualquer prefixo. A §6.7.8 tira essa liberdade do vocabulário de descrição, dando a cada estrutura um URI e um prefixo exigido: pdfaSchema, pdfaProperty, pdfaType para um value type e pdfaField para um campo de um; a ISO 19005-2 §6.6.2.3.2 reafirma os quatro. Ligar http://www.aiim.org/pdfa/ns/property# a nonpdfaProperty é XML equivalente e ainda reprova, e os arquivos do corpus do veraPDF para essa cláusula mantêm todo URI certo e renomeiam um prefixo. O seu próprio schema é outra história: o pdfaSchema:prefix registra um prefixo preferido, então inv é uma recomendação. Deixe-o igual ao prefixo que o packet liga de qualquer forma
Os URIs têm uma manha. A prosa da ISO 19005-1 §6.7.8 imprime http://www.aiim.org/pdfa/ns/schema sem # final, enquanto as tabelas dela e os arquivos em conformidade terminam o URI com um, então uma comparação estrita contra a prosa não casa nada. O PDFium Component descarta um # final dos dois lados antes de comparar. Escreva a forma com #, e copie o seu próprio namespace para o pdfaSchema:namespaceURI caractere por caractere. A frase final da ISO 19005-2 §6.6.2.3.2 então quer todo campo que as tabelas da §6.6.2.3.3 listam, e um vão é relatado como pvaiExtensionSchemaEntryMissing:
- Schema (
pdfaSchema):schema,namespaceURIeprefix, mais as listaspropertyevalueType, que um schema sem nada a declarar pode deixar de fora - Property (
pdfaProperty):name,valueType,categoryedescription, ondecategoryéinternalouexternal - Value type (
pdfaType):type,namespaceURI,prefix,descriptionefield, exigidos porque um value type customizado é uma estrutura - Field (
pdfaField):name,valueTypeedescription
Como escrever uma entrada estruturada em RDF/XML?
Qualquer uma de três formas, contanto que o item continue sendo uma estrutura. A ISO 32000-2 §14.3.2 entrega a gramática de um metadata stream à ISO 16684-1, que escreve XMP como um subconjunto de RDF/XML. A forma curta põe rdf:parseType="Resource" no rdf:li e lista os campos sob ele; a forma longa os embrulha num rdf:Description aninhado, e ambas significam a mesma estrutura anônima. Uma terceira grafia move campos de texto plain para atributos nesse rdf:Description. Só texto cabe ali: o pdfaSchema:property guarda uma sequência e segue elemento. Tire o rdf:parseType de um item de forma curta e o resultado não é RDF/XML. Um parser então espera texto ou um elemento node dentro do rdf:li, toma o pdfaSchema:schema por um typed node, e um elemento node não pode guardar texto fora de whitespace, então o primeiro campo já quebra a gramática. Um XSLT que reconstrói itens de lista, ou um template que regenera o bloco a partir de um dicionário, pode derrubar o atributo mantendo todo elemento. Leia essa saída de volta com um parser RDF diferente do que a escreveu para ver o dano
<!-- Forma curta: o schema da fatura descrito por completo -->
<rdf:li rdf:parseType="Resource">
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
<pdfaSchema:namespaceURI>http://ns.example.com/invoice/1.0/</pdfaSchema:namespaceURI>
<pdfaSchema:prefix>inv</pdfaSchema:prefix>
<pdfaSchema:property>
<rdf:Seq>
<rdf:li rdf:parseType="Resource">
<pdfaProperty:name>InvoiceNumber</pdfaProperty:name>
<pdfaProperty:valueType>Text</pdfaProperty:valueType>
<pdfaProperty:category>external</pdfaProperty:category>
<pdfaProperty:description>Invoice number assigned by the ERP</pdfaProperty:description>
</rdf:li>
</rdf:Seq>
</pdfaSchema:property>
</rdf:li>
<!-- Forma longa: a mesma estrutura como node aninhado -->
<rdf:li>
<rdf:Description>
<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
...
</rdf:Description>
</rdf:li>
<!-- Abreviação por atributo: campos de texto como atributos, a lista segue elemento -->
<rdf:li>
<rdf:Description pdfaSchema:schema="Invoice data from the ERP"
pdfaSchema:namespaceURI="http://ns.example.com/invoice/1.0/"
pdfaSchema:prefix="inv">
<pdfaSchema:property>...</pdfaSchema:property>
</rdf:Description>
</rdf:li>
O PDFium Component mantém a grafia que chegar. Cada valor no TPdfXmpPacket que o TPdf.ReadXmpPacket retorna registra o rdf:parseType do elemento de origem dele, Resource, Literal ou Collection, e o ToXml o grava de volta; uma estrutura sem registro sai com rdf:parseType="Resource". Esse writer serve ao SaveAsWithXmpPacket e ao NormalizePdfAMetadata, a chamada que põe em linha as entradas Info e os equivalentes XMP delas, e um bloco de extensão em qualquer das três grafias valida igual antes e depois de um ciclo de leitura e save. Escreva entradas novas na forma curta. Todo campo segue elemento, o que mantém as edições uniformes, e casa com a entrada pdfaid que o SaveAsPdfA grava
Adicionando a sua descrição ao container que já está lá
Mescle a entrada nova no rdf:Bag existente. Um container por packet. O parser XMP do veraPDF recusa um packet com um segundo elemento pdfaExtension:schemas (Duplicate property or field node 'pdfaExtension:schemas'), e as reprovações caem nas regras gerais de metadata. Cada propriedade precisa de nome, value type, categoria e descrição, as entradas que uma fatura Factur-X preenche para declarar as propriedades fx dela num extension schema. O listing emenda um item de forma curta antes do </rdf:Bag>, que o ToXml grava na linha própria do container. O item declara pdfaSchema e pdfaProperty nele mesmo, então parseia igual onde quer que caia
const
ExtensionNs = 'http://www.aiim.org/pdfa/ns/extension/';
ContainerEnd = '</rdf:Bag></pdfaExtension:schemas>';
TopDescriptionEnd = '</rdf:Description>'#10' </rdf:RDF>';
function InvoiceSchemaItem: string;
begin
Result := '<rdf:li rdf:parseType="Resource"' +
' xmlns:pdfaSchema="http://www.aiim.org/pdfa/ns/schema#"' +
' xmlns:pdfaProperty="http://www.aiim.org/pdfa/ns/property#">' +
'<pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>' +
'<pdfaSchema:namespaceURI>' + InvoiceNs + '</pdfaSchema:namespaceURI>' +
'<pdfaSchema:prefix>inv</pdfaSchema:prefix>' +
'<pdfaSchema:property><rdf:Seq><rdf:li rdf:parseType="Resource">' +
'<pdfaProperty:name>InvoiceNumber</pdfaProperty:name>' +
'<pdfaProperty:valueType>Text</pdfaProperty:valueType>' +
'<pdfaProperty:category>external</pdfaProperty:category>' +
'<pdfaProperty:description>Invoice number assigned by the ERP' +
'</pdfaProperty:description>' +
'</rdf:li></rdf:Seq></pdfaSchema:property></rdf:li>';
end;
// True quando uma entrada de schema descreve Uri, seja qual grafia ela usa
function DescribesNamespace(const V: TPdfXmpValue; const Uri: string): Boolean;
var
Q: Integer;
begin
for Q := 0 to High(V.Qualifiers) do // campos como atributos no rdf:li
if (V.Qualifiers[Q].Name = 'namespaceURI') and
(string(V.Qualifiers[Q].Value) = Uri) then
Exit(True);
Result := (Pos('>' + Uri + '</', string(V.RawXml)) > 0) or // elementos
(Pos('namespaceURI="' + Uri + '"', string(V.RawXml)) > 0); // atributos
end;
// Retorna um novo packet; o chamador o libera
function WithInvoiceSchema(Packet: TPdfXmpPacket): TPdfXmpPacket;
var
Xml: string;
Index, J, P: Integer;
HasContainer: Boolean;
begin
HasContainer := Packet.TryGetProperty(ExtensionNs, 'schemas', Index);
if HasContainer then
for J := 0 to High(Packet.Properties[Index].Values) do
if DescribesNamespace(Packet.Properties[Index].Values[J], InvoiceNs) then
Exit(Packet.Clone); // já descrito
Xml := Packet.ToXml;
P := Pos(ContainerEnd, Xml);
if P > 0 then
Insert(InvoiceSchemaItem, Xml, P) // entra no bag existente
else if HasContainer then
raise EPdfXmpError.Create('Extension container uses an unexpected prefix')
else
begin
P := Pos(TopDescriptionEnd, Xml);
if P = 0 then
raise EPdfXmpError.Create('Unexpected XMP packet layout');
Insert('<pdfaExtension:schemas xmlns:pdfaExtension="' + ExtensionNs +
'"><rdf:Bag>' + InvoiceSchemaItem + ContainerEnd + #10' ', Xml, P);
end;
Result := TPdfXmpPacket.Parse(Xml);
end;
procedure TagInvoice(const SourceFile, TargetFile, InvoiceNo: string);
var
Pdf: TPdf;
Packet, Described: TPdfXmpPacket;
Written: TFileStream;
begin
Pdf := TPdf.Create(nil);
try
Pdf.FileName := SourceFile;
Pdf.Active := True;
Packet := Pdf.ReadXmpPacket;
if Packet = nil then
raise Exception.CreateFmt('%s has no XMP packet', [SourceFile]);
Described := nil;
try
Packet.SetSimpleValue(InvoiceNs, 'inv', 'InvoiceNumber', InvoiceNo);
Described := WithInvoiceSchema(Packet);
if not Pdf.SaveAsWithXmpPacket(TargetFile, Described) then
raise Exception.CreateFmt('Could not write %s', [TargetFile]);
finally
Described.Free;
Packet.Free;
end;
finally
Pdf.Free;
end;
Written := TFileStream.Create(TargetFile, fmOpenRead or fmShareDenyWrite);
try
PrintExtensionIssues(Written); // do primeiro listing
finally
Written.Free;
end;
end;
Esperado: para uma origem PDF/A-1, -2 ou -3 escrita pelo SaveAsPdfA, o TagInvoice imprime a linha de conformance e nenhum dos quatro valores de extension schema, com a entrada da fatura na forma curta ao lado da pdfaid. Uma segunda execução deixa o bag em paz seja qual for a grafia da entrada existente: o DescribesNamespace busca no RawXml e, para atributos num rdf:li vazio, nos qualifiers. Um container sob outro prefixo levanta exceção, já que um novo seria o duplicado que o veraPDF recusa. Quando o ERP adicionar um vencimento, estenda a sequência pdfaSchema:property existente
O PDF/A-4 confere extension schemas de fato?
Não. A ISO 19005-4 §6.7.2.1 mantém só regras de nível de packet: a chave Metadata do catálogo, os atributos de header descontinuados bytes e encoding, XML bem formado e UTF-8. Uma propriedade sem descrição, uma descrição sob nonpdfaSchema e uma sem pdfaSchema:schema deixam todas um arquivo conforme sob o perfil PDF/A-4 do veraPDF, e o PDFium Component roda as quatro checagens de extension schema só quando o pdfaid:part é 1, 2 ou 3. O schema de identificação mantém as regras dele em toda parte. Sob a §6.7.3 da parte 4 o namespace dele ainda deve estar ligado ao pdfaid, e o conjunto de propriedades dele cresce por parte: part, conformance e, desde a Amendment 1 de 2007, amd na parte 1, corr a partir da ISO 19005-2 §6.6.4, rev na parte 4. Um prefixo errado é relatado como pvaiXmpIdPrefixWrong e um nome extra como pvaiXmpIdPropertyUnknown em toda parte
Para comparar partes num único documento, mude o packet e nada mais: insira a ligação de namespace dentro do XMP e apague tantos bytes de whitespace entre tags quantos inserir, para o /Length, os offsets de cross-reference e o header %PDF-2.0 ficarem no lugar. Um rewrite do pypdf pode devolver um arquivo PDF/A-4 com header %PDF-1.3 cujas reprovações enterram o resultado de metadata. Para saída de produção, escreva a descrição também em packets PDF/A-4: custa poucas centenas de bytes, o validador do PDFium Component a deixa em paz na parte 4, e o packet pode depois migrar para um entregável PDF/A-3 sem mudança