Авторинг, валидация и поправка на PDF/UA-2 структури

HotPDF може да изгражда, валидира и атомарно поправя смесени семантики на структури от PDF 1.7 и PDF 2.0, като запазва изрична namespace самоличност и ограничена цена на обработката

Авторинг, чувствителен към namespace

AddStructureElement задава стандартното структурно namespace на PDF 2.0, когато роля за PDF/UA-2 го изисква, включително задължителния елемент от най-горно ниво Document

AddStructureElementNS създава елементи с изрични namespace, а AddStructRoleMapNS добавя съпоставяния по име или двумасив, които могат да се разрешават транзитивно през граници на namespace

Namespace речниците са непряки, регистрират се еднократно по URI и се излъчват чрез StructTreeRoot/Namespaces

Атрибути и семантични помощници

Ограничена еднофазова валидация

ValidatePDFUA2Structure връща всяка задържана диагностика в масив THPDFUA2ValidationIssues и връща False, когато поне една диагностика има тежест uisError

Валидаторът разрешава role map-ове, чувствителни към namespace, с откриване на цикли, и проверява документа от най-горно ниво, йерархията родител-наследник, обратните връзки към родители, собствениците и ревизиите на атрибути, StructParent на анотации, собствеността на parent tree и OBJR, асоциираните файлове, заглавията, списъците, таблиците, Ruby, Warichu, подсказките за произношение, формулите и MathML

Проверките на документа покриват конкретен език в Catalog-а, статус marked, статус suspect, показвано заглавие, XMP заглавие и PDF/UA идентификация по namespace URI, Unicode символите от частната зона в човешки-четими низове и имената и действията в optional content конфигурации

Проверките на анотациите покриват tab order на страницата, собствеността и ролите в структурата, описанията, състоянията на артефакти, референциите към маркирано съдържание в appearance stream, еквивалентността на rich съдържание, връзките с файлове и забранените подтипове

Проверките на формуляри покриват достигаема самоличност на полета, наследени свойства на полета, контекста и собствеността на уиджети, етикети, алтернативни действия, rich стойности, опции за избор, уиджети с нулева площ, полета с много уиджети и забраната за XFA

Проверките за навигация покриват структурни дестинации с приоритет на SD, отметките, описанията на вградени файлове, вложените числови дървета на етикети за страници, изисквания номер на страница нула, стиловете на етикети и валидните начални номера на етикети

Табличната валидация разгъва положителни размахи на редове и колони само в рамките на MaxObjects, отхвърля пресичащи се клетки и нередовна геометрия на редове или групи от редове, разрешава Headers в рамките на притежаващата таблица, открива дублирани, собствени и циклични заглавни референции и приема неявни асоциации само когато Scope или позицията на първия ред и първата колона ги определят

Списъчната валидация разпознава пълния набор ListNumbering на PDF 2.0, налага семантика на етикетите, проверява ContinuedList и подредените на същото ниво референции ContinuedFrom и отхвърля цикли на продължение или директно истинско съдържание извън Lbl и LBody

Наследниците на Ruby трябва да са RB,RT или RB,RP,RT,RP, на Warichu — WP,WT,WP, записите за произношение запазват PDF типовете си обекти, а всеки лексикон за произношение трябва да бъде непряк вграден Filespec от тип PLS

Сканирането на непряки обекти, дълбочината на обхождане, дълбочината на role map, разгънатите таблични клетки, броят задържани проблеми и обработката на враждебни колекции са ограничени, така че валидацията остава предвидима за недоверени структури

Споделени находки за съответствие

Overload-ът за валидация с THPDFComplianceFindings връща същата диагностика със споделен профил, тежест, стабилен ID на правило, клауза от стандарта, логически път, номер на непряк обект и индекс на страница от нулева база

Детайлният overload за поправка сравнява ограничени находки преди и след поправката, за да идентифицира приложени, неразрешени, върнати назад или провалени действия, и добавя обобщения по семейства поправки с бройки

ComplianceFindingsToJSON запазва детерминистичен ред под версионираната схема hotpdf.compliance.findings.v1 и представя неизвестни местоположения на обект или страница като null

Атомарна структурна поправка

RepairPDFUA2Structure работи в рамките на copy-on-write транзакция върху графа, канонизира дублирани или нерегистрирани namespace речници, презаписва namespace референциите на структури и role map-ове, поправя стандартните структурни namespace, нормализира namespace и ревизии на структурни атрибути и поправя детерминистични дефекти в списъци, таблици, Ruby, Warichu, произношение, алтернативен текст, наследяване на език, ред на заглавия и тагове на артефакти

След промяната същият валидатор проверява кандидат-графа, а политиката по подразбиране връща всички промени назад, когато остане поне една грешка по PDF/UA-2

• Дублирани namespace URI се сливат в един непряк речник само когато съпоставянията на ролите, чувствителни към namespace, съвпадат
• Валидни реферирани namespace могат да се регистрират без повторно сканиране на структурното дърво
• Стандартните собственици на атрибути се отървават от невалидни namespace записи, докато потребителските собственици изискват изричен CustomAttributeNamespaceURI, когато namespace-ът им не може да се изведе
• Отрицателни или дробни ревизии на елементи стават нула, невалидни ревизии в масиви с атрибути стават нула, а сирашките ревизионни записи се премахват
• Разпознаваемото списъчно номериране се възстановява, списъците с етикети получават семантика на номериране, различна от None, валидните референции за продължение получават ContinuedList=true, а единично misplaced заглавие се мести на първа позиция
• Невалидните таблични размахи стават единица, Scope се премахва от клетките с данни, а невалидни, междутаблични, собствени или дублирани записи Headers се премахват, без да се измислят заместващи асоциации
• Наследниците на Ruby и Warichu се преподреждат само когато точният изискван мултимножество вече съществува
• Неправилно типизираните подсказки за произношение се премахват, невалидните лексиконни референции се режат, а валидните вградени лексиконни потоци получават MIME подтипа PLS
• Липсващите стойности Alt използват съществуващо заглавие, разширяващ текст или извлечен текст от същия MCID, преди всеки fallback от извикващия, а празната стойност по подразбиране никога не измисля описания
• Валиден корен или доставен от извикващия BCP-47 език може да стане език на Catalog-а, така че излишните или невалидни записи на наследниците да наследят безопасно
• Дефекти на първото заглавие и пропуснати нива се закриват в реда на документа, с опционални независими начала на заглавия в DocumentFragment
• Структурните роли Artifact се съгласуват с таговете на маркираното си съдържание в producer съдържанието на страницата и в заредените content stream-и
• Двусмислена таблична геометрия, липсващи семантични наследници, конфликтни идентификатори и неразрешени семантики на четене остават грешки и задействат rollback по подразбиране
• MaxObjects и MaxRepairs се провалят затворено, преди недоверени графи да наложат неограничена работа

Политика на валидация

Започнете с THPDFUA2ValidationOptions.Default и променете само решенията, специфични за процеса

THPDFUA2HeadingPolicy избира третирането на заглавия, THPDFUA2IssueSeverity различава предупреждения от грешки, а всяка THPDFUA2ValidationIssue носи стабилен код, път в структурата, тежест и съобщение

• HeadingPolicy може да игнорира пропуснати нива, да ги пази като предупреждения или да изисква последователни нива
• AllowDocumentFragmentHeadingStarts нулира контекста на заглавия в DocumentFragment
• CheckDocumentSemantics включва проверки на Catalog, метаданни, optional content и вградени файлове
• CheckHumanReadableStrings отхвърля Unicode символи от частната зона в потребителски низове на документа
• CheckAnnotationSemantics включва проверки за собственост, роля, appearance, описание и флагове на анотации
• CheckFormSemantics включва проверки за AcroForm, полета, уиджети, стойности, етикети, действия и опции
• CheckNavigationSemantics включва проверки за структурни дестинации, отметки и етикети на страници
• RequireListLabels изисква един Lbl за номерираните елементи на списък
• RequireExplicitTableHeaderAssociations докладва клетки с данни, които разчитат само на изведен обхват на заглавия
• CheckListSemantics включва пълни проверки за PDF 2.0 номериране, продължение, заглавие, етикет, тяло и поставяне на съдържание
• CheckTableSemantics включва ограничени проверки за мрежа, размах, групи редове, обхват на заглавия и локални за таблицата асоциации
• CheckRubyWarichuSequences включва точни проверки на последователностите от директни наследници за източноазиатски inline структури
• CheckPronunciationHints включва проверки на структурни подсказки и вградени PLS лексикони
• RequireStructureAssociatedFiles изисква всеки асоцииран файл на каталога да е достижим от структурен елемент
• RequireFormulaTextAlternative изисква текстови алтернативи за формули, освен когато има асоцииран MathML
• MaxObjects ограничава сканирането на непряки обекти, преди обхождането да започне
• MaxIssues ограничава задържаните диагностики, без да скрива финалния успех или неуспех

Препоръчителен процес

1. Включете PDFUACompliance, изберете PDFUAPart = 2 и задайте Lang преди BeginDoc
2. Създайте един Document от най-горно ниво и изграждайте семантични наследници със стандартни или изрично namespaced роли
3. Регистрирайте анотации и асоциирани файлове чрез структурните им помощници, записвайте подсказки за произношение с SetStructurePronunciation и добавяйте PLS файлове в желания ред на търсене с AddPronunciationLexicon
4. Пуснете ValidatePDFUA2Structure преди EndDoc, когато приложението има нужда от цялата диагностика наведнъж, извикайте RepairPDFUA2Structure за детерминистични поправки на namespace, структура и достъпност, и изберете overload-а със споделени находки, когато CI иска стандартен JSON
5. Разрешете всяка грешка преди изхода, защото EndDoc налага и строгата политика по подразбиране за PDF/UA-2 документи

Вижте също: Автоматична PDF/UA структура от дървета на оформлението, THPDFUA2ValidationOptions, ValidatePDFUA2Structure, RepairPDFUA2Structure, ComplianceFindingsToJSON, SetStructurePronunciation, AddPronunciationLexicon, AddStructureElement, BeginTaggedContentForStructure, AppendStructureMarkedContent