將 PDF 轉換為 PDF/A 並修復其中繼資料

拿一份資訊字典寫著 /Title (Annual Maintenance Report)、XMP 封包卻完全沒有 dc:title 的檔案。檢視器照樣無怨無悔地顯示標題，PDF/A 驗證器卻拒收，因為兩份中繼資料彼此矛盾。另一份檔案看起來一樣健康，XMP 裡卻沒有 pdfaid:part 項目，驗證器的回應是幾十條錯誤：它把檔案當普通 PDF 評判，把所宣稱部分的每一條規則都回報為不符——全部源於缺了這一行

這兩個問題需要的工作量天差地遠。讓中繼資料一致是任何檔案都能跑的小修。把任意 PDF 變成封存文件，意味著剝除目標部分禁止的東西、補上它要求的東西、聲明宣稱，然後驗證實際產出的那些位元組。我們刻意把轉換建構在最後這一步上。隨 Enterprise 版（TPDFlibEnterprise）出貨的 ConvertToPDFA 連同 GetPDFAConversionReport，把轉換後的文件存進記憶體、對那些位元組執行 PDF/A 檢查，只在檢查通過時回傳 1

PDF Library for Delphi 中 ConvertToPDFA 的管線圖：移除禁用內容、修復中繼資料、聲明 PDF/A 部分並驗證，判定通過後才封存 — ConvertToPDFA 在一次呼叫中完成剝除、補全、蓋印與驗證，只有通過檢查，封存聲明才真正適合封存

為什麼一份開得好好的 PDF 會過不了 PDF/A 檢查？

兩種失敗都來自中繼資料規則。PDF 把標題、作者、產生器與日期記在文件資訊字典，PDF/A 還要求同樣的事實出現在 XMP 中繼資料封包裡；ISO 19005-1 §6.7.3 要求兩者等價，PDF/A-2 與 PDF/A-3 保留這條規則。在這條規則上失敗的檔案，常見模式是產生器填了資訊字典、卻從沒寫 XMP 那一半，驗證器於是在一處找到標題、在另一處什麼都沒有

缺識別的情況更安靜。pdfaid:part 與 pdfaid:conformance 項目是把檔案標記為 PDF/A 的東西，沒有它們檔案照樣可以完全合法。最常見到的情形，是應用程式提供自己的 XMP 封包、換掉 PDF 寫入器產生的那份；自訂封包帶著應用程式自己的欄位、沒有 pdfaid 項目，錯誤清單於是離真正的病因十萬八千里

RepairDocumentMetadata 兩種情況都處理，回傳它改動的項目數。每個版本都有它，SetPDFAMode 與 SanitizeDocument 也一樣。修復走過 Title、Author、Subject、Keywords、Creator、Producer、CreationDate 與 ModDate。只有 XMP 帶值時，資訊字典由它填入，已記錄的東西不會被扔掉。兩邊都帶值且不同時，資訊字典贏。我們這樣裁決，是因為資訊字典是產生器最常設定的一半，更可能是作者意圖的可信紀錄

如果你的 XMP 才是權威複本（例如在文件管理系統裡策展過），先把想要的值用 SetInformation 推進資訊字典，然後才跑修復。反過來做，策展過的 XMP 標題會被原始產生器寫的東西覆蓋

圖解展示 Delphi 中 RepairDocumentMetadata 讓 Info 字典與 XMP 封包一致，並還原遺失的 PDF/A 標準識別 — RepairDocumentMetadata 用另一半填補遺漏的中繼資料，並復原遺失的標準識別，讓驗證器看到預期的 PDF/A 部分

識別修復只要求你一件事：文件必須知道它瞄準哪個部分。剛載入的檔案沒有設 PDF/A 模式，所以修復前先呼叫 SetPDFAMode。模式就位後，RepairDocumentMetadata 寫入對應的 pdfaid 項目、為部分 4 的模式加上年份 2020 的 pdfaid:rev，並把 dc:format 設為 application/pdf——驗證器連這個也查

uses
  SysUtils, PDFlibrary;

procedure RepairIncoming(const InName, OutName: string);
var
  Lib: TPDFlib;
  Fixed: Integer;
begin
  Lib := TPDFlib.Create;
  try
    if Lib.LoadFromFile(InName, '') <> 1 then
      raise Exception.CreateFmt('Cannot open %s', [InName]);

    // 策展過的標題先寫進資訊字典，
    // 因為兩半不一致時，這份複本贏
    Lib.SetInformation(2, 'Annual Maintenance Report 2025');

    Lib.SetPDFAMode(3);                  // 3 = PDF/A-2b，見下表
    Fixed := Lib.RepairDocumentMetadata;
    Writeln(Format('%d metadata entries brought into agreement', [Fixed]));

    Lib.SaveToFile(OutName);
  finally
    Lib.Free;
  end;
end;

選定目標部分與它的模式編號

先按文件必須承載什麼來挑部分，之後才查編號。SetPDFAMode 與 ConvertToPDFA 共用一套編號，而它不按部分名稱暗示的順序走

模式	部分與等級	說明
1	PDF/A-1a	PDF 1.4，帶標籤
2	PDF/A-1b	PDF 1.4
3	PDF/A-2b	PDF 1.7
4	PDF/A-2a	PDF 1.7，帶標籤
5, 6, 7	PDF/A-3b, 3a, 3u	允許嵌入任何類型的檔案
8	PDF/A-2u	PDF 1.7，要求 Unicode 文字
9, 10, 11	PDF/A-4, 4e, 4f	PDF 2.0；4e 加入 3D 與豐富媒體，4f 允許嵌入檔案

模式 3 是 PDF/A-2b，模式 4 是 PDF/A-2a。這個倒置專抓從 1a 往上數、以為 a 級永遠領先的人。PDF/A-2u 排在 8，落在部分 3 的模式之後

真正有後果的選擇是附件。部分 1 與 2 禁止嵌入檔案，所以模式 1 到 4 與模式 8 時，ConvertToPDFA 會移除它們。把一份 Factur-X 或 ZUGFeRD 發票轉到模式 3，結構化的 XML 發票就從輸出裡消失，連同這份檔案存在的理由。任何帶附件的東西，請瞄準模式 5（PDF/A-3b）——那些發票格式定義所在的部分——需要 PDF 2.0 就用模式 11。部分 3 或部分 4 檔案裡的每個附件，都必須透過 /AFRelationship 聲明它與文件的關係，而 PDF Library for Delphi 在這些模式下會為它存出的每個嵌入檔案寫上這個項目

部分 4 的自我識別方式不同。純 PDF/A-4 沒有一致性字母，兩個擴充用 E 或 F，並要求帶著其部分發布年份的 pdfaid:rev。模式 9 到 11 時，ConvertToPDFA 把檔案抬到 PDF 2.0，因為 ISO 19005-4 §6.1.2 把這個部分建在 PDF 2.0 上，檢查也改按 PDF 2.0 而非 1.7 評判這類檔案

ConvertToPDFA 對檔案改了什麼

ConvertToPDFA 執行一串固定的修復、把每一步記進純文字報告、把結果存進記憶體並驗證那些位元組。檢查失敗回傳 0；模式落在 1 到 11 之外也回傳 0，並在寫出任何報告之前就返回。這串順序值得認識，因為每一步都是輸出會失去或獲得的東西：

密碼未知的加密文件會以一行 blocked: 立即中止轉換；裡面的東西一個都讀不了，更別說修復
文件層級 JavaScript 與執行它的開啟動作會被移除，連同每一個 additional-actions 項目與任何部分都不允許的動作類型，包括 Launch、Sound、Movie、ResetForm、ImportData、Hide、SetOCGState、Rendition 與 Trans。GoTo 與 URI 連結保留，導覽照常運作
對禁止嵌入檔案的部分，嵌入檔案會被移除，如前述
隱藏或設定為永不顯示的註記會被刪除。PDF/A 要求註記可見、可列印，而把它們顯示出來會改變頁面外觀，所以我們選擇移除
表單欄位外觀會在 /NeedAppearances 旗標清除之前重新產生，已填的值保持可見
有使用但未嵌入的字型，會從本機安裝的字型嵌入
不再被任何東西引用的物件會被丟棄，檔案若沒有 sRGB 輸出意圖則補上一個
最後，部分與等級寫進 XMP，位元組接受檢查

在伺服器上，字型這一步最容易讓轉換卡住。文件用到轉換主機上哪裡都不存在的字型時，無法從檔案內部修復，報告會這麼說。把你的文件實際用到的字型裝上轉換機器；為既有 PDF 內嵌缺少字型的逐步解說單獨講這一步

批次工作該怎麼處理一次失敗的轉換？

把回傳值當閘門、報告當工單。回傳 1 的檔案進封存，其餘的連同報告轉給人處理。別只因為失敗轉換的輸出看起來比輸入乾淨，就把它存進封存。那份檔案此刻帶著一個檢查拒絕確認的 PDF/A 宣稱，而驗證步驟的存在正是為了防住這種情況

GetPDFAConversionReport 的報告一行一個動作，每行以動詞開頭：removed:、regenerated:、repaired:、embedded:、added:、stated:，加上擋住執行時的 blocked:，以及收尾的 result: 行。判定背後的檢查在第一個失敗處停住，所以檔案失敗時，轉換會把檢查完整再跑一遍，報告一次列出所有問題。按前綴分流只要幾行程式

uses
  Classes, SysUtils, PDFlibrary, PDFlibEnterprise;

function ArchiveOne(const InName, ArchiveDir, ReviewDir: string): Boolean;
var
  Lib: TPDFlibEnterprise;
  Report: TStringList;
  I: Integer;
  Blocked: Boolean;
begin
  Result := False;
  Lib := TPDFlibEnterprise.Create;
  Report := TStringList.Create;
  try
    if Lib.LoadFromFile(InName, '') <> 1 then
      Exit;
    Result := Lib.ConvertToPDFA(5) = 1;      // 5 = PDF/A-3b，保留附件
    Report.Text := Lib.GetPDFAConversionReport;
    if Result then
      Lib.SaveToFile(IncludeTrailingPathDelimiter(ArchiveDir) + ExtractFileName(InName))
    else
    begin
      Blocked := False;
      for I := 0 to Report.Count - 1 do
        if Pos('blocked:', Report[I]) = 1 then
          Blocked := True;
      // 原件保持原樣；跟著它走的只有報告
      Report.SaveToFile(IncludeTrailingPathDelimiter(ReviewDir) +
        ChangeFileExt(ExtractFileName(InName), '.pdfa-report.txt'));
      if Blocked then
        Writeln(InName, ': needs a password or a rebuilt source file');
    end;
  finally
    Report.Free;
    Lib.Free;
  end;
end;

blocked: 行通常意味著解法在 PDF 之外：一個密碼、一份不同的來源檔、或重跑產生文件的東西。完整轉換之後剩下的普通驗證問題，多半是承載意義、不能一刪了之的內容，那些才是需要人做決定的情況

讀取檔案已經帶著的 PDF/A 標記

轉換之前，先查文件對自己的宣稱。掃描器、辦公套件與其他 PDF 工具送來的檔案常常已經帶著 PDF/A 標記；把一份有效的 PDF/A-3 重新轉成部分 2，會白白讓它失去附件

陷阱在於 XMP 允許同一個屬性用兩種寫法。有些產生器把部分寫成子元素 <pdfaid:part>2</pdfaid:part>；有些寫成 rdf:Description 上的屬性 pdfaid:part="2"。兩種都是普通、合法的 XMP。只搜尋其中一種形式的偵測器，會判定另一族產生器的檔案沒帶標記；這樣建的檢查器最後會拿一份有效的 PDF/A-2 去對部分 1 評判、回報它未帶標記且 PDF 版本過高——與事實完全相反。PDF Library for Delphi 的驗證器兩種形式都讀。如果你要自己嗅探標記，也請這麼做：

function DeclaredPDFAPart(Lib: TPDFlib): string;
const
  ElemTag = '<pdfaid:part>';
  AttrDQ  = 'pdfaid:part="';
  AttrSQ  = 'pdfaid:part=''';
var
  Packet: string;
  P: Integer;
begin
  Result := '';
  Packet := Lib.GetDocumentMetadata;
  P := Pos(ElemTag, Packet);                   // 元素形式
  if P > 0 then
    Exit(Copy(Packet, P + Length(ElemTag), 1));
  P := Pos(AttrDQ, Packet);                    // 屬性形式，雙引號
  if P = 0 then
    P := Pos(AttrSQ, Packet);                  // 屬性形式，單引號
  if P > 0 then
    Result := Copy(Packet, P + Length(AttrDQ), 1);
end;

空結果代表兩種形式都沒有標記。一個數字告訴你產生器想的是哪個部分，決定要不要轉換之前，先拿它與目標比對

檔案進封存之前先淨化指令碼

封存轉換與安全淨化通常一起跑，因為安全政策想除掉的內容，與 PDF/A 禁止的內容高度重疊。SanitizeDocument 接受 SANITIZE_* 旗標的位元遮罩，回報它執行了多少次移除。ConvertToPDFA 自己的第一步就是帶著 SANITIZE_JAVASCRIPT or SANITIZE_OPEN_ACTION 呼叫它

有一個細節對驗證器要緊。文件層級指令碼住在目錄 /Names 字典底下的 /JavaScript 名稱樹裡，最後一個指令碼被移除時，空掉的名稱樹會跟著被移除。空的樹照樣宣告這份文件有指令碼，有些檢查器對那個鍵本身起反應、根本不去數底下有什麼

無論淨化出自哪個工具，請用重新載入的方式驗證存出的檔案，別相信記憶體裡的狀態。重開一次很便宜：

var
  Lib, Check: TPDFlib;
begin
  Lib := TPDFlib.Create;
  Check := TPDFlib.Create;
  try
    Lib.LoadFromFile('upload.pdf', '');
    Lib.SanitizeDocument(SANITIZE_JAVASCRIPT or SANITIZE_OPEN_ACTION);
    Lib.SaveToFile('upload-clean.pdf');

    Check.LoadFromFile('upload-clean.pdf', '');
    if Check.GlobalJavaScriptCount > 0 then
      raise Exception.Create('Document-level scripts survived the save');
  finally
    Check.Free;
    Lib.Free;
  end;
end;

封存管線裡的鄰近步驟，請見 PDF/A 與 PDF/UA 預檢、真正的密文標註與內容移除，以及 Factur-X 的 PDF/A-3 XMP 延伸綱要——封存文件同時帶結構化發票資料時，中繼資料那一側由它接手

這裡展示的轉換、中繼資料修復與驗證，全部都在你自己的 Delphi、C++Builder 或 Lazarus 行程內執行，鏈中沒有外部轉換器或命令列驗證器。PDF Library for Delphi 產品頁列出支援的 PDF/A 部分、版本與目標平台