veraPDF, etiketlenmiş bir üç aylık raporu ISO 14289-1 §7.21.8 üzerinden düşürür, çünkü tek bir Tj operatörü <0000> baytlarını gösterir; bu, Identity-H altında CID 0, yani .notdef glifi demektir. O madde ve komşusu §7.21.6 — bir TrueType /Differences dizisinin kullanabileceği glif adlarını sınırlayan madde — Delphi'de PDFium Component'in TPdf.ValidatePdfUa sonucunda ayrı bayraklar olarak ortaya çıkar
Hangi metin operatörleri .notdef glifine referans verir?
İşleneni glif 0'a haritalanan her metin gösteren operatör. Basit bir fontta .notdef bir glif adıdır. CID-anahtarlı bir fontta aynı rol CID 0'a aittir ve ISO 32000-2 §9.7.4.2, her CIDFont'un CID 0 için "basit fontlardaki .notdef karakter adına benzer" bir glif tanımı içermesini şart koşar. Alışılmış Identity-H kodlamasıyla karakter kodu ile CID aynı iki bayttır; dolayısıyla <0000>'ı bir Tj ile veya bir TJ dizisinin içinde gösteren bir içerik akışı CID 0 çiziyor demektir. ISO 14289-1 §7.21.8, hiçbir metin gösteren operatörün bunu yapmasına izin vermez ve PDF/UA-2 aynı gereksinimi §8.4.5.9'da söyler. Metin render modu ilgisizdir. Mod 3'teki görünmez metin — taranmış bir sayfanın üstündeki OCR katmanı gibi — de sayılır. Ekranda sonuç genellikle birkaç punto genişliğinde boş bir kutudur veya hiçbir iz değildir; ikisi de bir karakterin kaybolduğunu gören bir provalayıcıya söylemez
Alışılmış kaynak, üreticinin alt küme fontunda karşılığı olmayan bir karakterle karşılaşıp fallback fonta geçmesi gerekirken kod 0 yazmasıdır. Bu, bayt düzeyi kontrolü güzelce keskin kılar. Her sayfanın /Contents'inin referans verdiği akışları çözmekle yetinin, Type 0 font kullanan bir belgede Tj'ye veya TJ'ye verilen <0000>'u arayın; görselleri, ICC profillerini ve CMap'leri sıkıştırılmış bırakın. Tek bir ayrıştırma ayrıntısı, sayfaları bulup bulamayacağınıza karar verir. ISO 32000-1 §7.3.5 bir name token'ını bir sonraki sınırdaşta bitirir; dolayısıyla boşluksuz /Type/Page geçerli bir sayfa sözlüğüdür ve boşluklu /Type /Page biçimini arayan bir arama onu atlar. Bir Differences dizisinin içinde /.notdef adlandırmak bu kuralı tek başına tetiklemez; o yuvaya düşen bir kodu göstermek tetikler
Hangi /Differences glif adları Unicode uyumlu sayılır?
Adobe Glyph List'te görünen adlar sayılır — gömülü font programı da bir (3,1) cmap alt tablosu taşıdığı sürece. Arka plan ISO 32000-2 §9.6.5.4'tür; o, sembolik olmayan bir TrueType fontun Differences dizisi olmadan MacRomanEncoding veya WinAnsiEncoding kullanmasını önerir ve PDF/UA bu tavsiyeyi tek bir kaçış kapısıyla gereksinime çevirir. Her iki PDF/UA bölümü de testi veraPDF'in uyguladığı biçimle söyler: font sembolik veya kodlaması MacRoman veya WinAnsi'dir ve ya /Differences dizisi yoktur ya da o dizideki her ad Unicode uyumludur. (3,1) koşulu, §9.6.5.4'ün o alt tablo (Microsoft platform, Unicode BMP) mevcutken öngördüğü glif seçim sırasından gelir. Karakter kodu, kodlama üzerinden glif adına gider; glif adı, Adobe Glyph List üzerinden Unicode'a; Unicode, (3,1) alt tablosu üzerinden glife. Liste dışındaki bir ad orta adımı kırar ve alt tablosu olmayan bir font o yolu hiç yürünmez. Sembolik font kuralı ters yönü işaret eder: sembolik bir TrueType font hiçbir /Encoding girdisi taşımamalıdır
| Font sözlüğü | Sonuç |
|---|---|
Sembolik olmayan, /Encoding /WinAnsiEncoding, Differences yok | Geçer |
Sembolik olmayan, WinAnsi tabanı, /Euro /bullet /.notdef içeren Differences, fontta bir (3,1) cmap var | Geçer |
Sembolik olmayan, /g123 veya /glyph57 içeren Differences | Düşer: adlar glif listesinde değil |
| Sembolik olmayan, geçerli Differences, gömülü fontta yalnızca bir (1,0) Mac cmap | Düşer: (3,1) alt tablosu yok |
Sembolik olmayan, Differences'lı WinAnsi tabanı, FontFile2 gömülü değil | Bu kural karara bağlamaz; gömme kuralı (§7.21.4) düşürür |
Sembolik olmayan, /Encoding girdisi yok | Düşer |
Sembolik, herhangi bir /Encoding girdisi | Sembolik kurala takılır |
İkinci satır, kendin kurulan glif listelerinin yanıldığı yerdir. veraPDF'in font koduyla dağıttığı liste, font/AdobeGlyphList.txt, 4.282 girdi taşır ve ilk satırı .notdef 0000'dır. Elle kurulan veya başka kaynaklardan alınan tablolar çoğu zaman o girdiyi eksik bırakır, çünkü .notdef gerçek bir karakteri temsil etmez. Böyle bir tablo üzerine kurulu bir checker, Differences dizisi /.notdef söz eden her fontu raporlar; o ad, kullanılmayan yuvaları onunla dolduran alt küme fontlarda düzenli olarak karşımıza çıkar. Eşleşme tam ad üzerinden yapılır. Bir alt dize araması, /grave listede olduğu için /grav'i de kabul ederdi. Kullanılmayan Differences yuvalarını .notdef ile dilediğiniz gibi doldurun; veraPDF'e uyan bir checker onu kabul eder
Font kuralları, üreticinin yazdığı baytlar üzerinden yargılanır
Doğal bir kısayol, belgenin normalize edilmiş bir kopyasını kaydedip onu taramaktır; çünkü yeniden yazılmış bir dosyayı ayrıştırmak kolaydır. Font kuralları için bu yol düşer. Bir PDF'yi yeniden seri hale getiren her araç font sözlüklerini yeniden kurmakta serbesttir: bir Differences dizisini taze bir kodlamaya katlar, glifleri yeniden adlandırır, nesneleri yeniden numaralar. Dolayısıyla bir kodlama kuralı, üreticinin yazdığı baytlar üzerinden kontrol edilmek zorundadır. TPdf.ValidatePdfUa font testlerini yüklediği dosyada veya bellek tamponunda çalıştırır ve TrueType tablo dizinine ulaşmak için FontFile2 akışlarını doğrudan çözer. Karakter düzeyi test (çizilen bir karakter Unicode 0'a mı haritalanıyor?), sayfanın render ettiği metni kullanır ve Artifact olarak işaretli ya da /ActualText altındaki içeriği atlar; CID 0 bayt testi böyle bir istisna tanımaz. Bulgular, issue kümesinde ayrı değerler olarak gelir; dolayısıyla bir rapor hangi kuralın tetiklendiğini söyleyebilir:
uses
SysUtils, PDFium, FPdfPdfua;
procedure ReportFontFindings(const FileName: string);
const
FontIssues: TPdfUaValidationIssues = [pvuaiPdfiumNotDefGlyph,
pvuaiTrueTypeEncodingInvalid, pvuaiSymbolicTrueTypeEncoding,
pvuaiFontNotEmbedded, pvuaiFontMissingToUnicode];
var
Pdf: TPdf;
Report: TPdfUaValidationResult;
Found: TPdfUaValidationIssues;
Coverage: TPdfUaUnicodeCoverageReport;
I: Integer;
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;
Found := Report.Issues * FontIssues;
if pvuaiPdfiumNotDefGlyph in Found then
begin
Writeln('Text references .notdef / CID 0 (7.21.8, 8.4.5.9)');
// Unicode değeri olmayan render edilmiş karakterleri bul
Coverage := Pdf.InspectPdfUaUnicodeCoverage;
for I := 0 to High(Coverage.Objects) do
if Coverage.Objects[I].MissingUnicodeCharacterCount > 0 then
Writeln(Format(' page %d, object %d: %d character(s)',
[Coverage.Objects[I].PageNumber,
Coverage.Objects[I].PageObjectIndex,
Coverage.Objects[I].MissingUnicodeCharacterCount]));
end;
if pvuaiTrueTypeEncodingInvalid in Found then
Writeln('Non-symbolic TrueType encoding or Differences (7.21.6, 8.4.5.7)');
if pvuaiSymbolicTrueTypeEncoding in Found then
Writeln('Symbolic TrueType font carries an /Encoding entry');
if pvuaiFontNotEmbedded in Found then
Writeln('A font program is not embedded (7.21.4)');
if pvuaiFontMissingToUnicode in Found then
Writeln('A font has no usable Unicode mapping (7.21.7)');
if Found = [] then
Writeln('No font findings');
// Tek hatası Differences dizisindeki /g123 olan bir dosya için beklenen:
// tek başına 7.21.6 satırı
finally
Pdf.Free;
end;
end;
Onarımlar, dosyayı yazan programın işidir
İki bulgunun da sonradan bir sözlüğü düzenleyerek güvenli onarımı yoktur. Bir CID 0 referansı, kullanılan fontta bir karakterin glifi olmadığı anlamına gelir; dolayısıyla üretici o karakter için bir fallback font istemektedir. <0000>'u başka bir koda yeniden yazmak keyfi bir glif çizer ve ona yanlış Unicode değeri iliştirir. /g123 gibi adlarla dolu bir Differences dizisi çoğu zaman glifleri standart ad taşımayan bir fontun alt kümesi alınmasından gelir. Temiz onarım, o yüzü CID-anahtarlı bir TrueType font olarak gömmektir — CID Type 2 font gömmede kullanılan kurulum — Identity-H ve bir /ToUnicode CMap ile. Bu, basit font kodlama kuralını devre dışı bırakır
§7.21.6'yı ortadan kaldırmak için Symbolic bayrağını kurmak yanlış hamledir. Sembolik bir TrueType font hiç /Encoding taşıyamaz. Bir ekran okuyucuya her kodun hangi karakteri temsil ettiğini söyleyen Differences adları da onunla birlikte kaybolur ve her görüntüleyici sonra glifleri ham kod üzerinden, (3,0) veya (1,0) alt tablosuyla seçer. Bayrak temizlenir. Metnin anlamı da onunla gider
Gömülü font programının bir (3,1) cmap'i var mı?
Font programına doğrudan sorun; çünkü kodlama bayrağı testin iki yarısını da kapsar ve hangisinin düştüğünü söyleyemez. Bayrak tetiklendiğinde ve her Differences adı listedeyse program bir sonraki şüphelidir. Bir TrueType dosyası, 4–5. baytları tablo sayısını tutan 12 baytlık bir başlıkla başlar, ardından 16 baytlık tablo kayıtları gelir (tag, checksum, offset, length). cmap tablosu bir sürüm ve bir alt tablo sayısıyla başlar, ardından platform ID, encoding ID ve offset'ten oluşan 8 baytlık kayıtlar gelir; hepsi big-endian. Font kütüphanesine gerek yok. TPdf.GetFontData, bir sayfa nesnesinin kullandığı fontun gömülü programını döndürür; dolayısıyla yardımcı bir sayfadaki her metin nesnesi üzerinde çalışabilir:
function BE16(const B: TBytes; P: Integer): Integer;
begin
Result := (B[P] shl 8) or B[P + 1];
end;
function BE32(const B: TBytes; P: Integer): Cardinal;
begin
Result := (Cardinal(B[P]) shl 24) or (Cardinal(B[P + 1]) shl 16) or
(Cardinal(B[P + 2]) shl 8) or B[P + 3];
end;
// Bir TrueType programının (Platform, Encoding) için bir cmap alt tablosu taşıdığında True döner
function HasCmapSubtable(const Font: TBytes; Platform, Encoding: Integer): Boolean;
var
Tables, I, Rec, CmapOfs, Count: Integer;
begin
Result := False;
if Length(Font) < 12 then
Exit;
Tables := BE16(Font, 4);
CmapOfs := -1;
for I := 0 to Tables - 1 do
begin
Rec := 12 + I * 16;
if Rec + 16 > Length(Font) then
Exit;
if (Font[Rec] = Ord('c')) and (Font[Rec + 1] = Ord('m')) and
(Font[Rec + 2] = Ord('a')) and (Font[Rec + 3] = Ord('p')) then
CmapOfs := Integer(BE32(Font, Rec + 8));
end;
if (CmapOfs < 0) or (CmapOfs + 4 > Length(Font)) then
Exit;
Count := BE16(Font, CmapOfs + 2);
for I := 0 to Count - 1 do
begin
Rec := CmapOfs + 4 + I * 8;
if Rec + 8 > Length(Font) then
Exit;
if (BE16(Font, Rec) = Platform) and (BE16(Font, Rec + 2) = Encoding) then
Exit(True);
end;
end;
// Yalnızca bir Mac Roman (1,0) cmap'i olan yüz cmap(3,1)=False basar
procedure ListTextFonts(Pdf: TPdf; PageNo: Integer);
var
I: Integer;
begin
Pdf.PageNumber := PageNo;
for I := 0 to Pdf.ObjectCount - 1 do
if Pdf.ObjectType[I] = otText then
Writeln(Format('%-32s embedded=%-5s cmap(3,1)=%s', [
string(Pdf.GetFontBaseName(I)),
BoolToStr(Pdf.GetFontIsEmbedded(I), True),
BoolToStr(HasCmapSubtable(Pdf.GetFontData(I), 3, 1), True)]));
end;
Aynı fontu paylaşan metin nesneleri aynı satırı tekrar tekrar basar. Burada zararsızdır. Çıplak bir CFF programı (/Type1C veya /CIDFontType0C ile FontFile3) tablo dizini taşımaz; dolayısıyla yardımcı onun için False cevap verir ve kural TrueType fontları ilgilendirdiği için o cevap burada hiçbir şeye karar vermez. CFF taslaklı OpenType fontlar farklıdır: OTTO tag'i altında bir sfnt dizini taşır ve bir cmap içerebilir; aynı döngü onu bulur. Program bellekteyken onun hmtx ilerleme genişliklerini font sözlüğünün /Widths'iyle karşılaştırmaya da değer, çünkü PDF/UA'nın ayrı bir tutarlılık kuralı vardır ve glif genişlikleri, CharSet ve CIDSet denetimi bunu PDFlibPas tarafından uygular
HasCmapSubtable, §7.21.6 bayrağının arkasındaki yüz için False döndürüyorsa Differences dizisine yapılacak hiçbir düzenleme bulguyu temizlemez ve üretici o yüzü ToUnicode CMap'li bir Type 0 font olarak gömmek zorundadır. Yeniden üretilen dosyada Delphi için PDFium Component doğrulamasını yeniden çalıştırın ve pvuaiTrueTypeEncodingInvalid'in Report.Issues içinde görünmemesini bekleyin