Artigo Técnico

Validação de PDF/X no Delphi com o PDFium Component

Um flyer de uma página com um título em Helvetica parece perfeito em todos os visualizadores na mesa do designer, porque cada visualizador silenciosamente substitui uma fonte de sistema pela Helvetica. O RIP do provedor de serviços de impressão não tem essa latitude. Toda parte da ISO 15930 exige que todo programa de fonte usado na página viaje dentro do arquivo, e as 14 fontes base padrão não estão isentas, então o flyer volta com "font not embedded" para uma fonte que ninguém do lado do design nunca viu faltando. Checagens como essa, junto com as page boxes, a declaração de trapping e o output intent, podem rodar dentro do seu próprio aplicativo Delphi antes que o botão de upload seja pressionado

O que um arquivo PDF/X tem que provar a uma gráfica que ele nunca conheceu

O PDF/X existe para a troca às cegas: um designer envia um arquivo a uma gráfica com quem ele nunca falou, e a gráfica produz saída correta sem um telefonema sobre fontes ausentes ou uma imagem vinculada que ficou para trás no laptop de alguém. Fontes devem ser embutidas porque não se pode assumir que o RIP receptor as possua. Referências externas são banidas porque o arquivo tem que ser completo em si mesmo. Recursos interativos são banidos porque tinta não tem handler de clique

O PDFium Component reporta qual parte um arquivo alega através do enum TPdfXConformance. pxc1a é PDF/X-1a:2001 (ISO 15930-1), a troca estrita de CMYK mais spot sobre uma base PDF 1.3/1.4. pxc3 é PDF/X-3:2002 (ISO 15930-3), que admite cor RGB, Lab e baseada em ICC amarrada ao output intent. pxc4 é PDF/X-4:2010 (ISO 15930-7), que permite transparência ativa e camadas em PDF 1.6. pxc6 é PDF/X-6 (ISO 15930-9), construído sobre PDF 2.0. Um arquivo sem identificação PDF/X nenhuma volta como pxcNone, e pxcUnknown é o que você recebe quando nenhum documento está carregado

A identificação em si é um pequeno feixe de marcadores que precisam concordar entre si. O pacote XMP carrega pdfxid:GTS_PDFXVersion junto com a descrição do schema de extensão e xmp:CreateDate / xmp:ModifyDate; o dicionário Info repete /GTS_PDFXVersion, e as duas strings têm que bater. A entrada /OutputIntents do catálogo nomeia a condição de impressão para a qual o arquivo foi preparado, com /S /GTS_PDFX, um /OutputConditionIdentifier e, para uma troca completa, um perfil ICC embutido em /DestOutputProfile. O trailer precisa de um /ID, e criptografia é vetada por completo. Cada um desses itens mapeia para o próprio valor dele em TPdfXValidationIssue, de pvxiMissingPdfXIdentifier passando por pvxiInfoVersionMismatch, pvxiOutputIntentMissingIdentifier e pvxiEncryptionPresent

Rodando o TPdf.ValidatePdfX como um portão de impressão

O TPdf.ValidatePdfX não recebe argumentos e retorna um record TPdfXValidationResult com dois campos, Conformance e Issues (um set Pascal de TPdfXValidationIssue), mais um método IsCompliant. A validação PDF/X pertence à edição Enterprise: adicione FPdfEnterprise a uma uses clause, com Lib\Enterprise e Lib\SmallBusiness no search path, para que o validador seja linkado no seu executável. Sem essa unit, a chamada levanta EPdfEnterpriseRequired, fácil de notar na primeira execução de teste

O IsCompliant é estrito de propósito. Ele retorna True apenas quando Conformance é um de pxc1a, pxc3, pxc4 ou pxc6 e o set de problemas está vazio, e isso inclui pvxiMissingTitle. A norma redige o Title como recomendação, enquanto a maioria das outras checagens são requisitos duros. Barrar o job de um cliente porque o dicionário Info não tem /Title é o tipo de rejeição que faz as pessoas pararem de confiar no portão, então divida o set e deixe os itens consultivos fora da decisão de passa/falha:

uses
  PDFium, FPdfPdfx,
  FPdfEnterprise; // liga o validador PDF/X (edição Enterprise)

const
  // Política sua: problemas reportados ao usuário sem bloquear o upload
  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;

    // O mesmo teste de conformidade que o IsCompliant usa, menos os itens consultivos
    Result := (Res.Conformance in [pxc1a, pxc3, pxc4, pxc6]) and
      (Blocking = []);
  finally
    Pdf.Free;
  end;
end;

Um arquivo que nunca alegou ser PDF/X falha nesse portão com uma lista longa de problemas: sem metadados XMP, sem identificador, sem output intent, sem entrada de versão no Info. A lista ainda vale ser mostrada, porque se lê como uma lista de tarefas para quem tiver que exportar o arquivo de novo. Mais uma propriedade do ValidatePdfX importa num aplicativo de edição: ele checa o documento como o componente o salvaria agora mesmo, então páginas que você adicionou ou metadados que você mudou depois de carregar fazem parte do que é validado

Por que as gráficas rejeitam PDFs sem um TrimBox?

O TrimBox é a página acabada, o retângulo que resta depois dos cortes da guilhotina. O MediaBox que toda página PDF carrega é apenas a folha: ele guarda a sangria, as marcas de corte, os alvos de registro e as barras de cor. O software de imposição posiciona páginas na folha de impressão pelos TrimBoxes delas, e sem um o operador precisa adivinhar onde o seu cartão de visitas termina. Um chute errado corta a sangria fora ou deixa uma fresta branca ao longo de uma borda

Diagrama do PDFium Component de uma página de PDF pronta para impressão mostrando a folha MediaBox com sangria, marcas de corte, barras de cor e marcas de registro ao redor do retângulo TrimBox que o software de imposição lê, com pvxiMissingTrimBox levantado quando a chave está ausente
A MediaBox é a folha completa com sangria, marcas de corte e barras de cor, enquanto a TrimBox é a página acabada que a guilhotina precisa encontrar, e a caixa que um produtor PDF/X deve escrever em toda página

O ValidatePdfX roda três checagens de geometria. pvxiMissingTrimBox dispara quando nenhuma chave /TrimBox aparece em lugar nenhum do arquivo. pvxiTrimBoxWithArtBox dispara quando uma página carrega /TrimBox e /ArtBox juntos. pvxiPageBoxOutsideMediaBox dispara quando um /TrimBox ou /BleedBox alcança para além do /MediaBox, o que descreve uma área que a prensa não consegue expor. Retângulos podem listar os cantos em qualquer ordem, então ambos são normalizados antes da comparação

As checagens de caixa leem retângulos escritos diretamente no dicionário de cada página. Caixas herdadas de um nó /Pages ou guardadas como referências indiretas ficam de fora do teste de contenção, então um arquivo construído assim é julgado apenas pela presença do TrimBox dele. Se o seu próprio produtor escreve caixas, escreva-as diretamente em cada página para que cada uma receba o teste de contenção completo

A chave /Trapped no dicionário Info responde a uma pergunta de produção diferente. O trapping sobrepõe levemente cores adjacentes para que um desregistro de prensa não abra frestas brancas entre elas, e a gráfica precisa saber se isso já foi feito: trapar um arquivo já trapado dobra as sobreposições, enquanto pular isso num arquivo não trapado arrisca frestas visíveis. O PDF/X então quer /Trapped /True ou /Trapped /False. Uma chave ausente ou /Unknown obriga um humano a abrir o arquivo, e o componente reporta como pvxiTrappedNotSet

Proibições estruturais, e a qual parte elas se aplicam

A camada estrutural do ValidatePdfX inspeciona os dicionários do arquivo em vez de renderizar qualquer coisa, e o conteúdo de streams fica fora da varredura. Um JPEG cujos dados comprimidos por acaso contêm os bytes /JavaScript não pode produzir um falso positivo. O ValidatePdfX roda essas checagens seja qual for a parte que o arquivo alega:

  • pvxiLzwForbidden: um filtro /LZWDecode aparece em qualquer lugar; o Flate faz o mesmo trabalho e é o que um re-export deveria usar
  • pvxiJavaScriptForbidden: uma ação ou name tree /JavaScript está presente
  • pvxiFormFieldsForbidden: um dicionário /AcroForm ou uma entrada /XFA existe
  • pvxiAdditionalActions: um dicionário de ações adicionais /AA está presente
  • pvxiEmbeddedFilesForbidden: /EmbeddedFiles ou uma anotação /FileAttachment está presente
  • pvxiOpiForbidden: uma entrada /OPI ou /Alternates aponta para conteúdo de imagem substituível guardado em outro lugar

Duas checagens a mais dependem da parte que o arquivo alega, e o ValidatePdfX as condiciona ao Conformance detectado. pvxiTransparencyForbidden se aplica só a PDF/X-1a e PDF/X-3, onde um transparency group ou uma soft mask ativa não é permitido; arquivos PDF/X-4 e PDF/X-6 podem manter transparência ativa, então os mesmos objetos ali não levantam nada. pvxiColorSpaceForbidden se aplica só ao PDF/X-1a e dispara em /DeviceRGB, /CalRGB ou /Lab, porque o X-1a é uma troca de CMYK e spot, e os espaços independentes de dispositivo chegam com o X-3. Um arquivo cuja parte não pôde ser identificada nunca é sinalizado por uma regra que pode não se aplicar a ele

O PDF/X-1a também ganha um olhar mais de perto sobre o perfil de saída dele. O /DestOutputProfile embutido tem que ser um perfil de saída ICC versão 2 (prtr) com data space CMYK e as lookup tables de que um RIP precisa para conversão de cor, e o /N do stream deve ser 4. Um perfil sRGB colado por um writer de PDF genérico, ou um perfil danificado, produz pvxiInvalidOutputProfile. O lado de escrita aplica o mesmo teste: o SaveAsPdfX com Conformance definido como pxc1a levanta EArgumentException quando o IccProfileData não é um perfil de saída ICC v2 CMYK utilizável, em vez de escrever um arquivo que o validador rejeitaria um minuto depois

Diagrama do TPdf.ValidatePdfX no PDFium Component para Delphi rodando uma varredura de tokens em nível de bytes com checagens de marcador, conteúdo e geometria de página e uma passada de embutição de fontes no modelo de objetos do PDFium, fundindo tudo num único record TPdfXValidationResult
O ValidatePdfX distribui um documento carregado pelas checagens de conteúdo em nível de bytes e pela passada de fontes do modelo de objetos do PDFium, depois mescla as duas camadas num único record de resultado tipado

Embutição de fontes, conferida duas vezes

Fontes recebem duas checagens porque uma varredura de bytes só responde a parte da pergunta. A camada estrutural levanta pvxiFontNotEmbedded quando o arquivo usa fontes mas não carrega programa /FontFile, /FontFile2 ou /FontFile3 nenhum. Essa regra é deliberadamente conservadora: contar descritores de fonte contra programas de fonte parece preciso, mas erra em arquivos em que várias fontes compartilham um descritor. O custo é que um documento com nove fontes embutidas e uma fonte de sistema espiada passa na varredura de bytes

A segunda camada fecha essa lacuna pelo modelo de objetos do PDFium. O TPdf.ValidatePdfX carrega cada página, percorre os objetos dela com FPDFPage_CountObjects e FPDFPage_GetObject, resolve a fonte de cada objeto de texto com FPDFTextObj_GetFont e pergunta ao FPDFFont_GetIsEmbedded. Uma fonte que não está embutida adiciona pvxiPdfiumFontNotEmbedded e encerra a caminhada, então num catálogo de 300 páginas que falha na capa a resposta volta depois da página um. Essa camada precisa da biblioteca PDFium carregada e de um build que exporte FPDFFont_GetIsEmbedded; com uma biblioteca sem o export, a camada é pulada e o veredito de nível de bytes vale sozinho

Ambas as checagens respondem "embutida ou não". Quando um cliente pergunta qual fonte em qual página causou a rejeição, o código de enumeração em análise de propriedades de fontes PDF com o PDFium no Delphi retoma de onde o veredito do validador para. Um auxiliar curto que transforma cada problema bloqueador numa frase que um designer entende ajuda muito enquanto isso:

// Auxiliar seu: texto voltado ao cliente para os problemas que bloqueiam um job
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;

Checando o arquivo no disco sem a DLL do PDFium

A camada estrutural também está disponível sozinha como ValidatePdfXCompliance(Source: TStream), declarada na unit FPdfPdfx e implementada em FPdfPdfxEngine. É Object Pascal puro sem dependência da biblioteca PDFium, então serve onde um motor de renderização é indesejado: um handler de upload num servidor web, um passo de CI que examina arte gerada, ou um serviço Lazarus numa plataforma em que você prefira não distribuir binários nativos. Ele lê o stream exatamente como dado, o que o torna a ferramenta certa quando a pergunta é "o que a gráfica vai receber?" em vez de "como este documento ficaria se fosse salvo de novo?"

uses
  Classes, FPdfPdfx,
  FPdfPdfxEngine; // só o engine PDF/X em nível de bytes, sem biblioteca PDFium

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

O stream precisa ser seekable, já que o validador lê os dados de cross-reference do fim do arquivo. Object streams comprimidos e cross-reference streams, o layout usual de um arquivo PDF/X-4, são lidos como qualquer outra estrutura. Nesse caminho, o veredito de fontes é só o de nível de bytes, porque a checagem por objeto de texto precisa do modelo de objetos do PDFium. Rode o ValidatePdfXCompliance como o primeiro portão barato em cada upload e reserve o TPdf.ValidatePdfX completo para os arquivos que passarem por ele; arquivos rejeitados nunca custam um load de página

Onde o portão para e a certificação começa

O ValidatePdfX cobre marcadores de identificação, o output intent e o perfil dele, proibições estruturais, regras de transparência e de cor específicas de parte, geometria de página, a declaração de trapping e embutição de fontes até objetos de texto individuais. Limites de cobertura de tinta, resolução de imagem e nomeação de cores spot pertencem a um motor de preflight com gerenciamento de cor, a ferramenta que uma gráfica usa quando certifica um job. O valor do portão dentro do aplicativo é o timing: toda rejeição estrutural descrita acima aparece enquanto o cliente ainda está na tela de upload. O mesmo TPdfXValidationResult também alimenta o gerador de relatórios do componente, e construir uma CLI de relatório de preflight em lote com o PDFium Component mostra esse padrão aplicado a uma pasta de arquivos. O PDF/X compartilha boa parte da maquinaria com o PDF/A de arquivo, da identificação XMP aos output intents, e o lado de arquivamento está coberto em validação de preflight PDF/A com o PDFium Component

Os validadores PDF/X, o writer SaveAsPdfX correspondente para produzir saída em conformidade, e as checagens de PDF/A, PDF/UA, PDF/E e PDF/VT construídas do mesmo jeito fazem parte da edição Enterprise do PDFium Component para Delphi, C++Builder e Lazarus, então um portal de impressão pode checar o que aceita com a mesma biblioteca que usa para renderizar prévias