技術文章

PDF/UA-1 與 PDF/UA-2:改動過的無障礙規則

自製的 PDF/UA-1 檢核表拒收一份 veraPDF 放行的 PDF/UA-2 匯出檔,點名三件事:標了 /ActualText () 的 Figure、沒有 /Contents 的連結註釋,以及混用命名空間的結構樹。三件全部符合 ISO 14289-2:2024,所以規則集必須跟著每個檔案宣告的 part 走——這正是 PDFium Component 的 TPdf.ValidatePdfUa 第一個讀的東西

宣告的 pdfuaid:part 切換 PDFium Component for Delphi 的 PDF/UA 規則集:同一個 issue 值在 PDF/UA-1 與 PDF/UA-2 下指涉不同規則
XMP 裡宣告的 part 決定規則集,同一個 issue 值在 PDF/UA-1 與 PDF/UA-2 之間可以指兩條不同的規則

宣告的 part 決定適用哪些規則

每份 PDF/UA 檔都在 XMP 詮釋資料裡以 pdfuaid:part 標明版本,PDF/UA-2 又自加兩個條件:一個 revision 項目,以及檔案須宣告為 PDF 2.0。這個宣告就是開關。TPdf.ValidatePdfUa 回傳 TPdfUaValidationResult,其 Conformance 欄位回報 puc1 或 puc2、確認未聲明 PDF/UA 的檔案為 pucNone、無法判定時為 pucUnknown;其 Issues 集合只裝適用於該版本的 finding。有些 issue 值在 part 1 代表一條規則、在 part 2 卻是更寬的一條:pvuaiActionTargetMissing 在 part-1 檔上指 GoToR、URI 或 SubmitForm 動作缺目標鍵(§7.18.5);在 part-2 檔上還可以指不通往結構元素的目標(§8.8)。pvuaiAnnotationMissingContents 在 part-2 檔上涵蓋沒有標籤的 widget。所以每份報告旁邊都印上版本:

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;

IsCompliant 只在版本為 1 或 2 且 issue 集合為空時為真,沒有 PDF/UA 聲明的檔案絕不會碰巧被報成合規。與 veraPDF 對照另有一個坑:命令列工具對不合格檔案以結束碼 1 退出,但仍把完整 XML 報告寫到標準輸出,在結束碼處停下的腳本等於把規則編號全扔了。請讀那份報告

哪些 UA-1 控訴在 PDF/UA-2 下是誤報?

開頭範例裡的每條控訴,套用的都是 PDF/UA-2 不含那一形式的規則。先看 Figure,錯通常出在解析程式碼。ISO 14289-2 §8.2.5.28.2 要求 Figure 帶 /Alt 或 /ActualText 鍵,測的是鍵存不存在:/ActualText () 合規,兩個鍵都沒有的 Figure 才失敗。把兩種值都存成普通字串的讀取器,會把「存在但為空」與「不存在」塌縮成同一個 '',檢查器便對明明有替代文字的 Figure 回報缺替代文字。解析結構元素時,每個字串旁邊存一個存在旗標。空的 /ActualText 是個薄弱的描述,人類審閱者可能還是想看,但 part-2 驗證器沒有理由判它失敗

連結規則沒了。PDF/UA-1 §7.18.5 要求每個連結註釋帶 /Contents;PDF/UA-2 沒有對應的註釋鍵規則,改在 §8.2.5.20 管結構:通往不同目標的註釋必須各自待在分開的 Link 或 Reference 結構元素裡,所以一個同時包住「跳到第二章」與「開外部網站 URI」的單一 Link 元素,兩個註釋都帶 /Contents 也過不了 part 2。兩代測的是不同的東西——一代看註釋上的文字,另一代看樹裡的分組。PDFium Component 只對宣告 part 1 的檔案套用連結 /Contents 要求

命名空間控訴來自讀錯文件。ISO 14289-2 §8.2.4 有四條規則:非標準結構類型必須映射到標準類型;映射不得成環;類型不得在同一個顯式命名空間內部映射;標準類型不得被重映射為非標準。ISO/TS 32005 §5.3 對混用命名空間的文件另加一條建議——共用的類型用 PDF 2.0 命名空間——而這條建議不在 PDF/UA-2 的合規條件之列。對 §5.3 硬判失敗的檢核表,會拒掉合法的混合樹,例如帶 MathML 公式的 PDF 2.0 樹。把自訂類型經 /RoleMapNS 解析到標準類型是門功夫,以 role map 與命名空間做 PDF/UA-2 驗證有專文示範

三條在 ISO 14289-2 下可過關的 PDF/UA-1 檢核表控訴:Figure 上的空 ActualText、連結註釋與命名空間混用,以及 PDFium Component 在 Delphi 中的分閘方式
每條控訴套用的都是 PDF/UA-2 不含那一形式的規則,所以這些檢查該掛在宣告的 part 之後,而不是塞進共用檢核表

PDF/UA-2 新增或收緊的規則

反方向才是燒錢的方向。UA-1 檢核表放行下面這些檔案,失敗只在有人跑 part-2 驗證器時浮現:

  • Widget 需要標籤或描述。PDF/UA-1 §7.18.1 豁免 widget 註釋的 /Contents,因為 §7.18.4 的 Form 標籤已涵蓋它們;PDF/UA-2 §8.10.2.3 要求結構元素沒有 Lbl 子元素的 widget 帶上 /Contents。欄位的 /TU 工具提示不算標籤
  • 附件檔須聲明關係。§8.9.2.4.10 要求 FileAttachment 註釋的檔案規格帶 /AFRelationship——Source、Data、Alternative、Supplement 以及 PDF/A-3 在關聯檔案與 AFRelationship 早已使用的其他值
  • 標題必須帶編號。PDF/UA-1 接受泛用 H 標籤或帶編號的 H1…Hn 標題,只要一份文件不混用(§7.4.4);PDF/UA-2 §8.2.5.12 直接禁掉泛用 H,建立在純 H 元素上的標記方案得先重映射,匯出檔才能聲明 part 2
  • 目標必須通往結構。§8.8 要求導覽目標是 ISO 32000-2 §12.3.2.3 意義上的結構目標:首元素為結構元素的目標陣列,或帶 /SD 的 GoTo 動作

舊規則別動。檢核表要擴充 part-2 覆蓋時,直覺的改法是刪掉 §7.18.1 的 widget 豁免,讓沒有 /Contents 的 widget 被點名——這一改會讓合規的 part-1 表單栽在一條它的標準裡從不存在的規則上。正確做法是把 part-2 的 widget 檢查加在豁免旁邊,以宣告的 part 分閘。PDFium Component 回報 widget 規則就是這個方式——part-1 豁免繼續有效,part-2 的 widget 若沒有標籤也沒有 /Contents,就以 pvuaiAnnotationMissingContents 出現

PDF/UA-1 與 PDF/UA-2 在 widget 標籤、AFRelationship、泛用標題與結構目標上的對照矩陣,即 PDFium Component 在 Delphi 中按 part 分閘的四項檢查
part-2 的新增規則與 part-1 規則並行而非取代,合規的 PDF/UA-1 表單因此在 PDFium Component for Delphi 裡照樣過關

怎麼測結構目標而不誤中?

讀規範說了算的那個鍵。ISO 32000-2 Table 202 規定每個 GoTo 動作必須有 /D、/SD 可選,並說兩者並存時結構目標優先。合規的 part-2 連結因此常常同時帶著給舊讀取器的頁面目標(如 /D [6 0 R /Fit])與旁邊的 /SD [19 0 R /Fit]。自製檢查若讀 /D,找到的是一個頁面,回報「目標不是結構目標」,把檔案判死。動作看 /SD;裸目標陣列則追蹤其首元素,問被引用的字典是不是結構元素——以位元組論,就是帶頂層 /S 鍵的字典

難在頂層。頁面字典例行帶著透明度群組的 /Group << /S /Transparency >>,不跳過巢狀字典的鍵搜尋會撞上那個內層 /S,斷定頁面是結構元素,普通頁面目標就這樣混過關。只掃外層字典的鍵,每個值當一個完整物件整體跳過,巢狀字典與陣列都算在內。把註釋的 /StructParent 映射回結構元素的 ParentTree 也得同樣小心:其 /Nums 陣列可能把鍵配單一參照(0 26 0 R),也可能配陣列(0 [null 20 0 R]),陣列形式下要拿陣列內位置加上鍵值才湊得出 /StructParent。只認第一種形式的解析器,會讓第二種形式的註釋找不到結構父節點,§8.2.5.20 的分組規則便無從比對。這些檢查也請對載入時的原始位元組跑:重新儲存或正規化過的副本會重編註釋物件號、重建數字樹——每次編輯頁面後保持 /ParentTree 與 /StructParents 同步時重寫的正是同一棵樹

哪些語言標籤過得了 /Lang 檢查?

文法兩代之間沒變(ISO 14289-1 §7.2、ISO 14289-2 §8.4.4),鬆散的檢核表照樣漏。veraPDF 把它表達為 ^[a-zA-Z]{1,8}(-[a-zA-Z0-9]{1,8})*$:首個子標籤一至八個字母,其後任意多個子標籤各一至八個字母或數字,每個以連字號引導。界線很硬:portugue-pt 過、portugues-pt 敗在九字母的首子標籤;nl-1234abcd 過、nl-1234abcde 敗;1-pt 與 -pt 敗在首字元。只檢查字母、數字與連字號的檢查,四個失敗全數放行。catalog 的 /Lang 與每個結構元素的 /Lang 得共用同一個測試,否則同一個標籤在一個檔案裡領兩種判決。以 UTF-16BE 字串儲存的標籤(如 <FEFF0045004E002D00550053>)先解碼;那個讀出來是 EN-US,過。壞標籤多半出身平凡:Java、ICU 或資料庫設定給的 locale 字串用底線,pt_BR 不是合法標籤。IsPdfUaLanguageTagValid 套同一個形狀測試,您可以在標籤寫出之前先修好:

uses
  SysUtils, PDFium;

// 把 pt_BR 這類平台 locale 轉成 PDF/UA 接受的標籤,
// 簡單替換救不回來時回傳 ''
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
  // 預期:
  //   en-US, portugue-pt, nl-1234abcd   原樣即有效
  //   pt_BR, zh_CN                      無效,修成 pt-BR / zh-CN
  //   portugues-pt, nl-1234abcde        無效,修成 ''
  for S in Samples do
    Writeln(Format('%-14s valid=%-5s repaired=%s', [S,
      BoolToStr(IsPdfUaLanguageTagValid(S), True), LocaleToPdfLang(S)]));
end;

在標籤進入管線的地方呼叫轉換,趁它還沒到 catalog 或任何結構元素。回傳空字串,就是退回文件已知語言的信號。硬把原始 locale 字串寫進去,只是把失敗往下游推:catalog 上以 pvuaiLangInvalidFormat 浮現、元素上以 pvuaiStructElementLangInvalid 浮現,離產生它的程式碼遠得很

遷移從開頭那段提到的匯出檔開始:用 PDFium Component for Delphi 跑第一個清單裡的 ReportPdfUa,標頭行應標出 PDF/UA-2,pvuaiFigureMissingAlt、pvuaiLinkMissingContents 與 pvuaiNamespaceReuseInvalid 都不該出現在其下。舊檢核表對那份檔案仍在控訴的每一條,都是一條該掛到宣告 part 之後的 part-1 規則