Artigo Técnico

PDF/UA-1 vs PDF/UA-2: regras de acessibilidade que mudaram

Um checklist PDF/UA-1 caseiro reprova um export PDF/UA-2 que o veraPDF passa, marcando uma figura taggada com /ActualText (), anotações de link sem /Contents e uma árvore de estrutura que mistura namespaces. Cada uma conforms à ISO 14289-2:2024, então o conjunto de regras precisa seguir a parte que cada arquivo declara, que é a primeira coisa que o TPdf.ValidatePdfUa do PDFium Component lê

pdfuaid:part declarado trocando o conjunto de regras PDF/UA no PDFium Component para Delphi, onde um valor de issue significa regras diferentes sob PDF/UA-1 e PDF/UA-2
a parte declarada no XMP escolhe o conjunto de regras, e o mesmo valor de issue pode nomear duas regras diferentes entre PDF/UA-1 e PDF/UA-2

A parte declarada decide quais regras se aplicam

Todo arquivo PDF/UA nomeia a parte dele no metadata XMP com pdfuaid:part, e o PDF/UA-2 adiciona duas condições próprias: uma entrada de revision e um arquivo que declara PDF 2.0. Essa declaração é o interruptor. O TPdf.ValidatePdfUa retorna um TPdfUaValidationResult cujo campo Conformance informa puc1 ou puc2, pucNone para um arquivo confirmado que não reivindica PDF/UA, ou pucUnknown quando a reivindicação não pode ser determinada, e cujo conjunto Issues guarda só os findings que se aplicam àquela parte. Alguns valores de issue representam uma regra na parte 1 e uma mais ampla na parte 2. pvuaiActionTargetMissing num arquivo de parte 1 significa que uma ação GoToR, URI ou SubmitForm falta à chave de target (§7.18.5); num arquivo de parte 2 também pode significar um destino que não leva a um elemento de estrutura (§8.8). pvuaiAnnotationMissingContents num arquivo de parte 2 inclui widgets sem label. Então imprima a parte ao lado de cada relatório:

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;

O IsCompliant é true só quando a parte é 1 ou 2 e o conjunto de issues está vazio, então um arquivo sem reivindicação PDF/UA nunca relata conforme por acidente. Comparar com o veraPDF tem uma pegadinha própria. A ferramenta de linha de comando sai com código 1 para um arquivo não conforme. Ela ainda escreve o relatório XML completo na saída padrão, e um script que para no exit code joga fora os números das regras. Leia o relatório

Quais reclamações UA-1 são falsos alarmes sob PDF/UA-2?

Cada reclamação no exemplo de abertura aplica uma regra que o PDF/UA-2 não contém nessa forma. Comece pela figura, onde o erro costuma ficar no código de parsing. A ISO 14289-2 §8.2.5.28.2 pede que uma Figure carregue uma chave /Alt ou /ActualText, e o teste é se a chave existe: /ActualText () conforma, e só uma figura sem nenhuma das chaves reprova. Um leitor que guarda os dois valores em strings plain colapsa "presente mas vazio" e "ausente" no mesmo '', e o checador então relata texto alternativo faltando numa figura que o tem. Guarde uma flag de presença ao lado de cada string quando parsear o elemento de estrutura. Um /ActualText vazio é uma descrição fraca que um revisor humano ainda pode querer ver, mas um validador de parte 2 não tem base para reprová-la

A regra do link sumiu. A §7.18.5 do PDF/UA-1 exige que toda anotação de link carregue /Contents; o PDF/UA-2 não põe regra de chave de anotação no lugar e restringe a estrutura na §8.2.5.20. Anotações que levam a targets diferentes precisam ficar em elementos de estrutura Link ou Reference separados, então um único elemento Link que embrulhe tanto um salto ao capítulo 2 quanto um URI para um site externo reprova na parte 2 mesmo quando ambas as anotações carregam /Contents. As duas partes testam coisas diferentes — o texto na anotação numa, o agrupamento na árvore na outra. O PDFium Component aplica o requisito de /Contents de link só a arquivos que declaram parte 1

A reclamação de namespace vem de ler o documento errado. A ISO 14289-2 §8.2.4 guarda quatro regras: um tipo de estrutura não padrão deve mapear para um tipo padrão, nenhum mapeamento pode ser circular, nenhum tipo pode mapear dentro do mesmo namespace explícito, e nenhum tipo padrão pode ser remapeado para um não padrão. A ISO/TS 32005 §5.3 adiciona uma recomendação para documentos que misturam namespaces — usar o namespace PDF 2.0 para os tipos que compartilham — e essa recomendação não está entre as condições de conformidade do PDF/UA-2. Um checklist que reprova em hard-fail na §5.3 rejeita árvores mistas válidas, como uma árvore PDF 2.0 que carrega fórmulas MathML. Resolver um tipo customizado pelo /RoleMapNS para um padrão é um trabalho próprio, mostrado na validação PDF/UA-2 com role maps e namespaces

Três reclamações de checklist PDF/UA-1 que passam sob ISO 14289-2: ActualText vazio em figuras, anotações de link e mistura de namespaces, como o PDFium Component as porta em Delphi
cada reclamação aplica uma regra que o PDF/UA-2 não contém nessa forma, então a checagem pertence atrás da parte declarada e não num checklist compartilhado

Regras que o PDF/UA-2 adicionou ou apertou

A direção inversa é a que custa caro. Um checklist UA-1 passa nos arquivos abaixo, e as reprovações aparecem só quando alguém roda um validador de parte 2:

  • Widgets precisam de label ou descrição. A §7.18.1 do PDF/UA-1 isenta anotações widget de /Contents porque a tag Form da §7.18.4 as cobre. A §8.10.2.3 do PDF/UA-2 exige /Contents em todo widget cujo elemento de estrutura não tem filho Lbl. O tooltip /TU do campo não conta como label
  • Anexos declaram o relacionamento. A §8.9.2.4.10 exige que a especificação de arquivo de uma anotação FileAttachment carregue /AFRelationship — Source, Data, Alternative, Supplement e os outros valores que o PDF/A-3 já usa para arquivos associados e AFRelationship
  • Headings são numerados. O PDF/UA-1 aceita a tag genérica H ou headings numerados H1…Hn, desde que um documento não os misture (§7.4.4). A §8.2.5.12 do PDF/UA-2 proíbe o H genérico de vez, então um esquema de tagging construído sobre elementos H plain precisa de remapeamento antes de o export poder reivindicar parte 2
  • Destinos levam à estrutura. A §8.8 exige que targets de navegação sejam structure destinations no sentido da ISO 32000-2 §12.3.2.3: um array de destino cujo primeiro elemento é um elemento de estrutura, ou uma ação GoTo com /SD

Deixe as regras velhas em paz. Quando um checklist cresce cobertura de parte 2, a edição óbvia é apagar a isenção de widget da §7.18.1 para que widgets sem /Contents sejam marcados, e essa edição faz formulários parte 1 conformes reprovarem numa regra que o padrão deles nunca teve. Adicione a checagem de widget da parte 2 ao lado da isenção e porte-a pela parte declarada. É assim que o PDFium Component relata a regra de widget — a isenção da parte 1 segue valendo, e um widget de parte 2 sem label nem /Contents aparece como pvuaiAnnotationMissingContents

Matriz comparando PDF/UA-1 e PDF/UA-2 em labels de widget, AFRelationship, headings genéricos e structure destinations, as quatro checagens que o PDFium Component porta por parte em Delphi
as adições da parte 2 correm ao lado das regras da parte 1 em vez de substituí-las, o que mantém formulários PDF/UA-1 conformes passando no PDFium Component para Delphi

Como testar um structure destination sem falsos positivos?

Leia a chave que a especificação diz que vence. A Tabela 202 da ISO 32000-2 torna o /D exigido em toda ação GoTo e o /SD opcional, e diz que o structure destination deve ter precedência quando ambos estão presentes. Um link conforme de parte 2 portanto costuma carregar um destino de página como /D [6 0 R /Fit] para leitores mais velhos e um /SD [19 0 R /Fit] ao lado. Uma checagem caseira que lê o /D acha uma página, relata um destino que não é structure destination, e reprova o arquivo. Para ações, olhe o /SD. Para um array de destino solto, siga o primeiro elemento dele e pergunte se o dicionário referenciado é um elemento de estrutura, o que em termos de bytes significa um dicionário com chave /S de nível superior

Nível superior é a parte difícil. Um dicionário de página de rotina carrega /Group << /S /Transparency >> para o transparency group dele, e uma busca por chave que não pula dicionários aninhados acha esse /S interno e decide que a página é um elemento de estrutura, então um destino de página plain passa. Escaneie só as chaves do dicionário externo e pule cada valor como um objeto completo, dicionários aninhados e arrays incluídos. O ParentTree, que mapeia o /StructParent de uma anotação de volta ao elemento de estrutura dela, pede o mesmo cuidado. O array /Nums dele pode emparelhar uma chave com uma referência única (0 26 0 R) ou com um array (0 [null 20 0 R]), e na forma array a posição dentro do array é somada à chave para alcançar o valor /StructParent. Um parser que só conhece a primeira forma deixa anotações da segunda sem pai de estrutura, e a regra de agrupamento da §8.2.5.20 então não tem nada para comparar. Rode essas checagens nos bytes como carregados também: uma cópia re-salva ou normalizada pode renumerar objetos de anotação e reconstruir a number tree, a mesma árvore que você reescreve sempre que mantém /ParentTree e /StructParents em sincronia depois de editar páginas

Quais tags de linguagem passam na checagem /Lang?

A gramática não mudou entre as partes (ISO 14289-1 §7.2, ISO 14289-2 §8.4.4); checklists frouxos a deixam passar mesmo assim. O veraPDF a expressa como ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$: um primeiro subtag de uma a oito letras, depois qualquer número de subtags de uma a oito letras ou dígitos, cada um introduzido por um hífen. Os limites são afiados. portugue-pt passa e portugues-pt reprova no primeiro subtag de nove letras; nl-1234abcd passa e nl-1234abcde reprova; 1-pt e -pt reprovam no primeiro caractere. Uma checagem que só testa letras, dígitos e hífens aceita as quatro reprovações. O /Lang do catálogo e o /Lang de todo elemento de estrutura precisam de um teste compartilhado, ou a mesma tag ganha dois veredictos num arquivo. Uma tag guardada como string UTF-16BE, como <FEFF0045004E002D00550053>, é decodificada primeiro; essa lê EN-US e passa. Tags ruins costumam vir de lugar mundano: strings de locale de Java, ICU ou configurações de banco de dados usam underscore, e pt_BR não é uma tag válida. O IsPdfUaLanguageTagValid aplica o mesmo teste de forma, então você pode reparar uma tag antes de ela ser gravada:

uses
  SysUtils, PDFium;

// Transforma um locale de plataforma como pt_BR numa tag que o PDF/UA aceita,
// ou retorna '' quando uma substituição simples não consegue repará-la
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
  // Esperado:
  //   en-US, portugue-pt, nl-1234abcd   válidos como estão
  //   pt_BR, zh_CN                      inválidos, reparados para pt-BR / zh-CN
  //   portugues-pt, nl-1234abcde        inválidos, reparados para ''
  for S in Samples do
    Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
      BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;

Chame a conversão onde a tag entra no seu pipeline, antes de ela alcançar o catálogo ou qualquer elemento de estrutura. Um resultado vazio é o sinal para cair para uma linguagem que se sabe que o documento usa. Gravar a string de locale crua de qualquer jeito só empurra a falha para downstream, onde ela aparece como pvuaiLangInvalidFormat para o catálogo ou pvuaiStructElementLangInvalid para um elemento, longe do código que a produziu

Comece a migração pelo export do parágrafo de abertura. Rode-o pelo ReportPdfUa do primeiro listing usando o PDFium Component para Delphi: a linha de header deve nomear PDF/UA-2, e nem pvuaiFigureMissingAlt, nem pvuaiLinkMissingContents, nem pvuaiNamespaceReuseInvalid devem aparecer sob ela. Toda reclamação que o seu checklist velho ainda levantar nesse arquivo marca uma regra de parte 1 a pôr atrás da parte declarada