Teknik Makale

Hangi PDF/A Bölümleri XMP Extension Schema İster?

Bir ERP fatura numarasının PDF/A-2b dosyasının XMP'sine eklenmesi, beyan edilmemiş özellik bulgusu çeker; aynı paket bir PDF/A-4 dosyasında ise uyumludur. 1'den 3'e bölümler her özel özellik için bir pdfaExtension:schemas tanımı ister, 4. bölüm istemez; dolayısıyla Delphi için PDFium Component'in PDF/A validator'ı bir kural kümesi seçmeden önce pdfaid:part'ı okur

Delphi için PDFium Component'in pdfaid:part okuyarak PDF/A 1-3 bölümlerinde extension-schema kontrollerini, PDF/A-4'te ise paket düzeyi kuralları seçme karar akışı
validator önce pdfaid:part'ı okur; 4. bölüm iddia eden bir paket, 1-3 bölümlerinin Delphi için PDFium Component'te kaldırdığı dört extension-schema bulgusunu atlar

PDF/A'nın 1 ile 3 arasındaki bölümleri özel bir özellikten ne ister?

Namespace'inin bir tanımını ve o tanımın içinde özelliği adlandıran bir satırı. ISO 19005-1 §6.7.2, XMP özelliklerine yalnızca önceden tanımlı şemalardan veya §6.7.8'e uyan extension şemalarından izin verir; §6.7.8 her tanımı aynı meta veri akışında ister. ISO 19005-2 §6.6.2.3.1 kuralı 2 ve 3. bölümlere taşır. Bir tanım kapsamlı bir izin değildir. Özellikleri pdfaProperty:name üzerinden tek tek adlandırır; dolayısıyla inv:InvoiceNumber'ı tanımlayıp ayrıca inv:DueDate yazan bir paket ikincisinde düşer. PDFium Component bu durumları dört TPdfAValidationIssue değeri altında raporlar, hata başına bir bulgu: örneğin yeniden adlandırılmış bir önek yalnızca önek bulgusunu verir

Issue değeriRaporlandığı durumMadde
pvaiMissingExtensionSchemaÖnceden tanımlı olmayan bir namespace kullanımda ve pakette pdfaExtension:schemas kabı yok19005-1 §6.7.8, 19005-2 §6.6.2.3.1
pvaiXmpPropertyUndeclaredKap var ama içindeki hiçbir tanım özelliği adlandırmıyor19005-1 §6.7.2, 19005-2 §6.6.2.3.1
pvaiExtensionSchemaPrefixBir tanımın namespace'i zorunlu olandan başka bir öneke bağlı19005-1 §6.7.8, 19005-2 §6.6.2.3.2
pvaiExtensionSchemaEntryMissingBir tanım, tablosunun listelediği bir alanı eksik bırakıyor19005-1 §6.7.8, 19005-2 §6.6.2.3.3

İlk ikisinden hangisini alacağınız üreticiye bağlıdır. Çok sayıda PDF/A yazıcısı, PDFium Component'in SaveAsPdfA'sı dahil, kabın içinde zaten pdfaid kimlik şemasını tanımlar; dolayısıyla sonradan eklenen bir alan, içinde kendi girdisi olmayan bir kabın yanına düşer. Aşağıdaki rutin yalnızca extension-schema bulgularını basar. Beklenen: SaveAsPdfA ile yazılmış bir PDF/A-2b dosyası pac2b ve pvaiXmpPropertyUndeclared basar; kabı olmayan bir 1. veya 2. bölüm paketi pvaiMissingExtensionSchema basar; bir PDF/A-4 dosyası ise yalnızca uyumluluk satırını basar

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;

Önceden tanımlı küme, XMP 2004 ile ISO 16684-1 arasında yer değiştirdi

1. ve 2. bölüm, önceden tanımlı olmanın ne anlama geldiği konusunda anlaşamaz. ISO 19005-1 §6.7.2 Ocak 2004 tarihli XMP Specification'a işaret eder, ISO 19005-2 §6.6.2.3.1 ise ISO 16684-1'e; onun listesi uzundur. Aradaki fark, günlük dosyalarda crs (Camera Raw ayarları), aux (ek EXIF verisi) ve xmpDM (dinamik medya) üzerinden görünür; PDF/A Competence Center'ın TechNote 0008'i bunları XMP 2005 spesifikasyonunda yeni olarak dipnotlar. Bir crs:AutoBrightness veya xmpDM:videoColorSpace özelliği 1. bölüm altında bir tanım ister ve 2. bölümden itibaren önceden tanımlıdır. Açık veraPDF korpusu, tam olarak böyle bir özellik ekleyip başka hiçbir şey yapmayan PDF/A-1b hata dosyaları taşır; veraPDF'in kendi test dosyası üreticisi ise PDF/A-2b dosyalarına bir camera-raw veya dinamik medya ipucu yazar; dolayısıyla bölüm numarasına kör bir checker iki taraftan birini yanlış alır. Beyanlar da kaymıştır: photoshop:SupplementalCategories 2004'te Text'tir, ISO 16684-1'de ise Text'ten bir bag; dolayısıyla bag biçimi PDF/A-1'de düşer, PDF/A-2'de doğrudur

Tersi kısayol da düşer. TechNote 0008'in on şema tablosunun dışındaki her şeyi extension saymak, sıradan xmpMM:History girdilerinin kullandığı sType yapılarını ve Identifier niteleyici namespace'ini bayraklatır; TechNote 0008 o URI'lere PDF/A-1'de izin verir. PDFium Component bölümü pdfaid:part'tan okur: crs, aux veya xmpDM kullanan, tanım bloğu olmayan bir 1. bölüm paketi pvaiMissingExtensionSchema alır; bir 2. bölüm paketi hiçbir extension-schema bulgusu almaz. PDF/A-1 çıktısı için, aşağı akışta kimse okumayan camera-raw ve dinamik medya özelliklerini çıkarın. Eksiksiz bir crs tanımı onlarca girdiye uzanır ve her biri bir entry-missing bulgusu ihtimalidir

Schema URI'lerindeki zorunlu önekler ve sondaki #

XML namespace'leri normalde önek seçimini yazıcıya bırakır. §6.7.8 o özgürlüğü tanım sözcük dağarcığında elinden alır ve her yapıya bir URI ile zorunlu bir önek verir: değer tipi için pdfaSchema, pdfaProperty, pdfaType ve bunların bir alanı için pdfaField; ISO 19005-2 §6.6.2.3.2 dördünü de yeniden söyler. http://www.aiim.org/pdfa/ns/property#'i nonpdfaProperty'e bağlamak eşdeğer XML'dir ve yine de düşer; bu maddenin veraPDF korpus dosyaları her URI'yi doğru tutar ve tek bir öneki yeniden adlandırır. Kendi şemanız ayrı bir konudur: pdfaSchema:prefix bir tercih edilen önek kaydeder; dolayısıyla inv bir tavsiyedir. Paketin zaten bağladığı önekle eşit tutun

Dört PDF/A extension-schema sözcük dağarcığının anatomisi: zorunlu önekler, schema URI'leri ve zorunlu alanlar; Delphi'de PDFium Component'in uyguladığı sondaki kare işareti normalizasyonuyla
her tanım sözcük dağarcığı bir URI ve zorunlu bir önek taşır; bileşen, namespace URI'lerini karşılaştırmadan önce iki taraftan da sondaki # işaretini düşürür

URI'lerin bir tuhaflığı vardır. ISO 19005-1 §6.7.8'in düzyazısı http://www.aiim.org/pdfa/ns/schema'yı sondaki # olmadan basar; tabloları ve uyumlu dosyalar ise URI'yi onunla bitirir, dolayısıyla düzyazıya karşı katı bir karşılaştırma hiçbir şeyle eşleşmez. PDFium Component karşılaştırmadan önce iki taraftan da sondaki #'yi düşürür. # biçiminde yazın ve kendi namespace'inizi pdfaSchema:namespaceURI içine harfi harfine kopyalayın. ISO 19005-2 §6.6.2.3.2'nin kapanış cümlesi sonra §6.6.2.3.3'ün tablolarının listelediği her alanı ister ve bir eksik, pvaiExtensionSchemaEntryMissing olarak raporlanır:

  • Schema (pdfaSchema): schema, namespaceURI ve prefix; artı beyan edecek hiçbir şeyi olmayan bir şemanın dışarıda bırakabileceği property ve valueType listeleri
  • Property (pdfaProperty): name, valueType, category ve description; category ya internal ya da external'dir
  • Value type (pdfaType): type, namespaceURI, prefix, description ve field; zorunludur, çünkü özel bir value type bir yapıdır
  • Field (pdfaField): name, valueType ve description

Yapılandırılmış bir girdi RDF/XML'de nasıl yazılmalı?

Üç yoldan herhangi biriyle; öge bir yapı kaldığı sürece. ISO 32000-2 §14.3.2, bir meta veri akışının dilbilgisini ISO 16684-1'e devreder; ISO 16684-1, XMP'yi RDF/XML'in bir alt kümesi olarak yazar. Kısa biçim, rdf:li'nin üzerine rdf:parseType="Resource" koyar ve alanları altına dizer; uzun biçim onları iç içe bir rdf:Description'a sarar ve ikisi de aynı anonim yapıyı kasteder. Üçüncü bir yazım, düz metin alanlarını o rdf:Description üzerine niteliklere taşır. Oraya yalnızca metin uyar: pdfaSchema:property bir dizi tutar ve öge olarak kalır. Kısa biçimli bir ögeden rdf:parseType'ı soyarsanız sonuç RDF/XML değildir. Ayrıştırıcı sonra rdf:li'nin içinde metin veya tek bir node ögesi bekler, pdfaSchema:schema'yı tipli bir node sanır ve bir node ögesi boşluk olmayan metin taşıyamaz; dolayısıyla ilk alan zaten dilbilgisini bozar. Liste ögelerini yeniden kuran bir XSLT veya bloğu bir sözlükten yeniden üreten bir şablon, her ögeyi korurken niteliği düşürebilir. Böyle bir çıktıyı, yazan olandan farklı bir RDF ayrıştırıcısıyla geri okuyun, hasarı görün

Tek bir PDF/A extension-schema girdisinin üç yasal RDF/XML yazımı ve rdf:parseType soyulduğunda dilbilgisi kırılması; PDFium Component bunları Delphi'de korur
kısa biçim, uzun biçim ve nitelik kısayolu aynı yapıyı tanımlar; kısa biçimli bir ögeden rdf:parseType soyulduğunda RDF dilbilgisi ilk alanda bozulur
<!-- Kısa biçim: ERP fatura şemasının eksiksiz tanımı -->
<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>

<!-- Uzun biçim: aynı yapı, iç içe bir node olarak -->
<rdf:li>
  <rdf:Description>
    <pdfaSchema:schema>Invoice data from the ERP</pdfaSchema:schema>
    ...
  </rdf:Description>
</rdf:li>

<!-- Nitelik kısayolu: metin alanları nitelik olarak, liste öge olarak kalır -->
<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>

PDFium Component hangi yazım geldiyse onu korur. TPdf.ReadXmpPacket'ın döndürdüğü TPdfXmpPacket'taki her değer, kaynak ögesinin rdf:parseType'ını — Resource, Literal veya Collection — kaydeder ve ToXml onu geri yazar; kaydı olmayan bir yapı, rdf:parseType="Resource" ile çıkar. O yazıcı, Info girdilerini ve XMP karşılıklarını hizaya getiren çağrı olan SaveAsWithXmpPacket ve NormalizePdfAMetadata'a hizmet eder ve üç yazımdan herhangi birindeki extension bloğu, okuma-kaydetme döngüsü öncesi ve sonrasında aynı şekilde doğrular. Yeni girdileri kısa biçimde yazın. Her alan öge olarak kalır, bu da düzenlemeleri tek tip tutar; ve SaveAsPdfA'nın yazdığı pdfaid girdisiyle eşleşir

Tanımınızı orada duran kaba eklemek

Yeni girdiyi mevcut rdf:Bag ile birleştirin. Paket başına tek kap. veraPDF'in XMP ayrıştırıcısı, ikinci bir pdfaExtension:schemas ögesi taşıyan paketi reddeder (Duplicate property or field node 'pdfaExtension:schemas') ve hatalar genel meta veri kurallarına düşer. Her özellik bir ad, value type, category ve tanım ister; bir Factur-X faturasının doldurduğu girdiler, fx özelliklerini bir extension şemasında beyan etmek için tam olarak bunları yazdırır. Listeleme, kısa biçimli bir ögeyi </rdf:Bag>'den önce ekler; ToXml onu kabın kendi satırına yazar. Öge pdfaSchema ve pdfaProperty'yi kendisi beyan eder, dolayısıyla düştüğü yerde aynı şekilde ayrışır

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;

// Bir schema girdisi Uri'yi tanımlıyorsa True; hangi yazımı kullanıyorsa kullansın
function DescribesNamespace(const V: TPdfXmpValue; const Uri: string): Boolean;
var
  Q: Integer;
begin
  for Q := 0 to High(V.Qualifiers) do      // rdf:li üzerinde nitelik olarak alanlar
    if (V.Qualifiers[Q].Name = 'namespaceURI') and
       (string(V.Qualifiers[Q].Value) = Uri) then
      Exit(True);
  Result := (Pos('>' + Uri + '</', string(V.RawXml)) > 0) or    // ögeler
    (Pos('namespaceURI="' + Uri + '"', string(V.RawXml)) > 0);   // nitelikler
end;

// Yeni bir paket döndürür; serbest bırakan arayandır
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);                // zaten tanımlı
  Xml := Packet.ToXml;
  P := Pos(ContainerEnd, Xml);
  if P > 0 then
    Insert(InvoiceSchemaItem, Xml, P)      // mevcut bag'e katılır
  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);         // ilk listelemeden
  finally
    Written.Free;
  end;
end;

Beklenen: SaveAsPdfA ile yazılmış bir PDF/A-1, -2 veya -3 kaynak için TagInvoice uyumluluk satırını basar ve dört extension-schema değerinden hiçbirini basmaz; fatura girdisi kısa biçimde pdfaid girdisinin yanında durur. İkinci bir çalıştırma, mevcut girdi hangi yazımı kullanıyorsa kullansın bag'e dokunmaz: DescribesNamespace RawXml'i ve boş bir rdf:li üzerindeki nitelikler için niteleyicileri arar. Başka bir önek altındaki kap bir istisna kaldırır; çünkü taze bir kap, veraPDF'in reddettiği kopya olurdu. ERP bir vade tarihi eklediğinde mevcut pdfaSchema:property dizisini genişletin

PDF/A-4 extension şemalarını hiç kontrol ediyor mu?

Hayır. ISO 19005-4 §6.7.2.1 yalnızca paket düzeyi kuralları tutar: kataloğun Metadata anahtarı, kullanımdan kalkmış bytes ve encoding başlık nitelikleri, iyi biçimli XML ve UTF-8. Tanımsız bir özellik, nonpdfaSchema altındaki bir tanım ve pdfaSchema:schema'sı eksik bir tanım, bir dosyayı veraPDF'in PDF/A-4 profilinde uyumlu bırakır; PDFium Component dört extension-schema kontrolünü yalnızca pdfaid:part 1, 2 veya 3 olduğunda çalıştırır. Kimlik şeması her yerde kurallarını korur. 4. bölümün §6.7.3'ü altında namespace'i hâlâ pdfaid'e bağlı olmalıdır ve özellik kümesi bölümlere göre büyür: 1. bölümde part, conformance ve 2007 Amendment 1'inden beri amd; ISO 19005-2 §6.6.4'ten itibaren corr; 4. bölümde rev. Yanlış bir önek her bölümde pvaiXmpIdPrefixWrong, fazladan bir ad ise pvaiXmpIdPropertyUnknown olarak raporlanır

Bölümleri tek bir belge üzerinde karşılaştırmak için paketi değiştirin, başka hiçbir şeyi değil: namespace bağını XMP'nin içine yerleştirin ve etiketler arasındaki boşluk baytlarını silin ki /Length, çapraz başvuru offset'leri ve %PDF-2.0 başlığı yerinde kalsın. Bir pypdf yeniden yazımı, bir PDF/A-4 dosyasını meta veri sonucunu gömen hataları olan bir %PDF-1.3 başlığıyla geri verebilir. Üretim çıktısı için tanımı PDF/A-4 paketlerine de yazın: birkaç yüz bayta mal olur, PDFium Component'in validator'ı 4. bölüm altında ona dokunmaz ve paket ileride değişmeden bir PDF/A-3 teslimatına taşınabilir