PDF/UA-2 Structure Authoring, Validation, and Repair

HotPDF dokáže vytvárať, overovať a atómovo opravovať zmiešanú sémantiku štruktúry PDF 1.7 a PDF 2.0 pri zachovaní explicitnej identity menného priestoru a ohraničených nákladov na spracovanie

Vytváranie s ohľadom na menné priestory

AddStructureElement priradí štandardný menný priestor štruktúry PDF 2.0, keď to vyžaduje rola PDF/UA-2, vrátane povinného prvku najvyššej úrovne Document

AddStructureElementNS vytvára explicitne menované prvky a AddStructRoleMapNS pridáva mapovania názvov alebo dvojprvkových polí, ktoré sa môžu riešiť tranzitívne naprieč hranicami menných priestorov

Slovníky menných priestorov sú nepriame, registrované raz podľa URI a emitované cez StructTreeRoot/Namespaces

Atribúty a sémantické pomocníky

Ohraničená jednoprechodová validácia

ValidatePDFUA2Structure vracia každý uchovaný diagnostický záznam v poli THPDFUA2ValidationIssues a vracia False, keď má aspoň jeden diagnostický záznam závažnosť uisError

Validátor rieši mapy rolí s ohľadom na menné priestory s detekciou cyklov a kontroluje dokument najvyššej úrovne, hierarchiu rodič-dieťa, spätné odkazy rodičov, vlastníkov a revízie atribútov, StructParent anotácií, vlastníctvo stromu rodičov a OBJR, pripojené súbory, nadpisy, zoznamy, tabuľky, Ruby, Warichu, nápovedy výslovnosti, vzorce a MathML

Validácia tabuliek rozširuje kladné rozpätia riadkov a stĺpcov iba v rámci MaxObjects, odmieta pretínajúce sa bunky a nepravidelnú geometriu riadkov alebo skupín riadkov, rieši Headers v rámci vlastniacej tabuľky, deteguje duplicitné, vlastné a cyklické referencie hlavičiek a prijíma implicitné asociácie len vtedy, keď ich určuje Scope alebo umiestnenie prvého riadku a prvého stĺpca

Validácia zoznamov rozpoznáva úplnú množinu ListNumbering PDF 2.0, vynucuje sémantiku popiskov, kontroluje ContinuedList a usporiadané referencie ContinuedFrom na rovnakej úrovni a odmieta cykly pokračovania alebo priamy reálny obsah mimo Lbl a LBody

Deti Ruby musia byť RB,RT alebo RB,RP,RT,RP, deti Warichu musia byť WP,WT,WP, položky výslovnosti si zachovávajú svoje typy objektov PDF a každý lexikón výslovnosti musí byť nepriamy vložený Filespec PLS

Skenovanie nepriamych objektov, hĺbka prechodu, hĺbka máp rolí, rozšírené bunky tabuliek, počet uchovaných problémov a spracovanie nepriateľských kolekcií sú ohraničené, takže validácia zostáva predvídateľná pre nedôveryhodné stromy štruktúry

Zdieľané nálezy zhody

Preťaženie validácie THPDFComplianceFindings vracia rovnaké diagnostické záznamy so zdieľaným profilom, závažnosťou, stabilným ID pravidla, klauzulou normy, logickou cestou, číslom nepriameho objektu a indexom stránky s nulovým základom

Podrobné preťaženie opravy porovnáva ohraničené nálezy pred opravou a po oprave, aby identifikovalo aplikované, nevyriešené, vrátené alebo zlyhané akcie opravy, a pripája zhrnutia rodín opráv s počtami

ComplianceFindingsToJSON zachováva deterministické poradie pod schémou verzovanou hotpdf.compliance.findings.v1 a reprezentuje neznáme umiestnenia objektov alebo stránok ako null

Atómová oprava štruktúry

RepairPDFUA2Structure beží v transakcii grafu s kopírovaním pri zápise, kanonizuje duplicitné alebo neregistrované slovníky menných priestorov, prepisuje referencie menných priestorov štruktúry a máp rolí, opravuje štandardné menné priestory štruktúry, normalizuje menné priestory a revízie atribútov štruktúry a opravuje deterministické defekty zoznamov, tabuliek, Ruby, Warichu, výslovnosti, alternatívneho textu, dedenia jazyka, poradia nadpisov a značiek Artifact

Po mutácii rovnaký validátor kontroluje kandidátsky graf a predvolená politika vráti každú zmenu, keď zostane akákoľvek chyba PDF/UA-2

• Duplicitné URI menných priestorov sa zbalia do jedného nepriameho slovníka len vtedy, keď sa ich mapovania rolí s ohľadom na menné priestory zhodujú
• Platné odkazované menné priestory možno registrovať bez opakovaného skenovania stromu štruktúry
• Štandardní vlastníci atribútov zhadzujú neplatné položky menných priestorov, zatiaľ čo vlastní vlastníci vyžadujú explicitné CustomAttributeNamespaceURI, keď ich menný priestor nemožno odvodiť
• Záporné alebo zlomkové revízie prvkov sa stanú nulou, neplatné revízie polí atribútov sa stanú nulou a osirelé položky revízií sa odstránia
• Rozpoznateľné číslovanie zoznamov sa obnoví, zoznamy s popiskami dostanú sémantiku číslovania inú ako None, platné referencie pokračovania dostanú ContinuedList=true a jediný nesprávne umiestnený popisok sa presunie na prvú pozíciu
• Neplatné rozpätia tabuliek sa stanú jednou, Scope sa odstráni z dátových buniek a neplatné, cez tabuľky, vlastné alebo duplicitné položky Headers sa odstránia bez vymýšľania náhradných asociácií
• Deti Ruby a Warichu sa preusporiadajú len vtedy, keď presná požadovaná multiset už existuje
• Nesprávne typované nápovedy výslovnosti sa odstránia, neplatné referencie lexikónov sa orezajú a platné vložené prúdy lexikónov dostanú MIME podtyp PLS
• Chýbajúce hodnoty Alt používajú existujúci názov, text rozšírenia alebo extrahovaný text s rovnakým MCID pred akýmkoľvek fallbackom dodaným volajúcim a prázdna predvolená hodnota nikdy nevymýšľa opisy
• Platný koreňový jazyk alebo jazyk BCP-47 dodaný volajúcim sa môže stať jazykom katalógu, takže nadbytočné alebo neplatné položky potomkov dedia bezpečne
• Defekty prvého nadpisu a preskočených úrovní sa uzatvárajú v poradí dokumentu s voliteľnými nezávislými začiatkami nadpisov v rámci DocumentFragment
• Roly štruktúry Artifact sa zosúlaďujú so svojimi značkami označeného obsahu v obsahu stránky producenta a načítaných prúdoch obsahu
• Nejednoznačná geometria tabuliek, chýbajúce sémantické deti, konfliktné identifikátory a nevyriešená sémantika čítania zostávajú chybami a spúšťajú predvolený rollback
• MaxObjects a MaxRepairs zlyhajú uzavreté predtým, než nedôveryhodné grafy môžu vynútiť neohraničenú prácu

Politika validácie

Začnite s THPDFUA2ValidationOptions.Default a zmeňte iba rozhodnutia špecifické pre pracovný postup

THPDFUA2HeadingPolicy vyberá zaobchádzanie s nadpismi, THPDFUA2IssueSeverity rozlišuje varovania od chýb a každý THPDFUA2ValidationIssue nesie stabilný kód, cestu štruktúry, závažnosť a správu

• HeadingPolicy môže ignorovať preskočené úrovne, ponechať ich ako varovania alebo vyžadovať sekvenčné úrovne
• AllowDocumentFragmentHeadingStarts resetuje kontext nadpisov v rámci DocumentFragment
• RequireListLabels vyžaduje jeden Lbl pre číslované položky zoznamu
• RequireExplicitTableHeaderAssociations hlási dátové bunky, ktoré sa spoliehajú iba na odvodenie rozsahu hlavičiek
• CheckListSemantics povoľuje úplné kontroly číslovania, pokračovania, popiskov, popisov, tela a umiestnenia obsahu PDF 2.0
• CheckTableSemantics povoľuje ohraničené kontroly mriežky, rozpätí, skupín riadkov, rozsahu hlavičiek a asociácií lokálnych pre tabuľku
• CheckRubyWarichuSequences povoľuje presné kontroly sekvencií priamych detí pre východoázijské inline štruktúry
• CheckPronunciationHints povoľuje kontroly nápovedí štruktúry a vložených lexikónov PLS
• RequireStructureAssociatedFiles vyžaduje, aby každý pripojený súbor katalógu bol dosiahnuteľný z prvku štruktúry
• RequireFormulaTextAlternative vyžaduje textové alternatívy vzorcov, pokiaľ nie je prítomné pripojené MathML
• MaxObjects ohraničuje sken nepriamych objektov pred začiatkom prechodu
• MaxIssues ohraničuje uchované diagnostické záznamy bez skrytia konečného výsledku úspechu alebo zlyhania

Odporúčaný pracovný postup

1. Zapnite PDFUACompliance, vyberte PDFUAPart = 2 a nastavte Lang pred BeginDoc
2. Vytvorte jeden Document najvyššej úrovne a vytvorte sémantické deti so štandardnými alebo explicitne menovanými rolami
3. Registrujte anotácie a pripojené súbory cez ich pomocníkov štruktúry, zapíšte nápovedy výslovnosti pomocou SetStructurePronunciation a pridajte súbory PLS v požadovanom poradí vyhľadávania pomocou AddPronunciationLexicon
4. Spustite ValidatePDFUA2Structure pred EndDoc, keď aplikácia potrebuje všetky diagnostické záznamy naraz, zavolajte RepairPDFUA2Structure pre deterministické opravy menných priestorov, štruktúry a prístupnosti a vyberte preťaženie zdieľaných nálezov, keď CI vyžaduje štandardný JSON
5. Vyriešte každú chybu pred výstupom, pretože EndDoc tiež vynucuje prísnu predvolenú politiku pre dokumenty PDF/UA-2

Pozri tiež: Automatická štruktúra rozloženia, ValidatePDFUA2Structure, RepairPDFUA2Structure, ComplianceFindingsToJSON, SetStructurePronunciation, AddPronunciationLexicon, AddStructureElement, BeginTaggedContentForStructure, AppendStructureMarkedContent