已載入 PDF 轉 PDF/A-4 並保留文字與向量

HPDFArchivalConversion 為已載入文件提供保留型設定檔：當其可見字型、色彩空間與轉譯資源能滿足 PDF/A-4 時，不必替換頁面內容

轉換器保留原始文字運算元、向量路徑、影像、頁面幾何與既有 OCR 文字層，把可見的正常註解與 widget 外觀平面化為向量 Form XObject，修復受支援的中繼資料與結構問題，並在發布前驗證序列化結果

此設定檔絕不把頁面點陣化：RasterizedPages 恆為零，包括 OCR 轉譯暫存辨識點陣並附加不可見可搜尋文字時

執行期驗收涵蓋 Delphi Win32 與 Win64；Windows FPC 從全新原始碼編譯實作，產生的公開標頭可在 C++Builder Win32 與 Win64x 下編譯

進入點

function HPDFConvertLoadedToPDFA4Preserving(Source: THotPDF;
  Destination: TStream; const SRGBProfile: TBytes;
  const Options: THPDFArchivalPreservationOptions;
  out Report: THPDFArchivalPreservationReport): Boolean;

function HPDFConvertLoadedToPDFA4PreservingFile(Source: THotPDF;
  const TargetFileName: string; const SRGBProfile: TBytes;
  const Options: THPDFArchivalPreservationOptions;
  out Report: THPDFArchivalPreservationReport): Boolean;

先載入來源，保持呼叫端自有的輸入串流存活，並在作業期間讓轉換器獨佔存取文件

Options := THPDFArchivalPreservationOptions.Default;
if not HPDFConvertLoadedToPDFA4PreservingFile(Source, TargetFileName,
  SRGBProfile, Options, Report) then
  raise Exception.Create(Report.Conversion.Diagnostic);

保留證明

轉換器在圖形交易下快照目前編輯過的來源圖形，序列化後回溯來源，然後在獨立的已載入複本上執行所有轉換工作

輸出重新載入後，原始已解碼頁面內容串流必須 byte 級相同，且可從原始頁面按原始順序到達

頁面資源樹與保留的正常外觀資源樹在物件與遞迴上限內遍歷；內嵌字型程式、ToUnicode 對應、影像、ICC 設定檔與巢狀 Form XObject 保留原始編碼負載，以串流 SHA-256 驗證，並檢查仍可從輸出頁面到達

獨立的內容串流以圖形狀態防護包住原始頁面運算元，並容納附加的外觀運算元，避免會重寫原始內容串流的原生單串流附加路徑

TextAndVectorContentPreserved 只在原生輸出驗證與保留檢查通過後為 true；轉換或檔案發布失敗時會清除

外觀處理

可見的正常 AP/N 外觀會以原生註解平面化，從其 Form BBox 與 Matrix 映射到註解 Rect，保留其自有字型與資源
Invisible、Hidden 與 NoView 旗標阻止繪製，即使已有正常外觀；Popup 註解直接移除，不繪製
沒有正常外觀的無框連結，只在明確的零寬度邊框確立其無可見邊框時，才移除而不繪製
SynthesizeMissingAppearances 預設 true，叫用原生 markup 或欄位外觀產生；不支援的子類型、無效矩形或產生失敗會拒絕轉換
缺少文字外觀時支援相容原生字型編碼的 ASCII 值；十六進位、Unicode 或遮罩文字值需要明確的正常外觀
合成的文字外觀會在空白正規化後，與重新載入的可搜尋文字中的來源值比對；不相容的字型編碼會拒絕發布

提供既有正常外觀時，支援該外觀中已正確表達的任意內嵌字型文字，包括 Unicode；轉換器保留該外觀，不以系統字型替代

平面化會移除註解互動、可編輯欄位、計算、action 與簽章欄位，同時保留可見外觀；每個受影響的註解與每個合成外觀都產生損失條目，附來源頁面、註解索引與（可得時）物件編號

色彩、字型與明確損失

必要的 ICC 參數是既有封存驗證器接受的 sRGB matrix/TRC 設定檔；每個既有輸出設定檔的解碼 bytes 必須與提供設定檔完全相同，否則拒絕轉換，以免重新解讀既有輸出條件

轉換器只在需要時加入 sRGB PDF/A 輸出意圖，把實際序列化器同步到 PDF 2.0 標頭，並叫用有界的基礎 PDF/A-4 中繼資料與結構修復

它不內嵌缺少的可見字型程式、不重新編碼原始文字、不重新著色 DeviceCMYK 運算元、不取代既有輸出條件，也不把頁面透明度平面化成點陣；未解決的原生 preflight 發現會拒絕發布

加密來源必須先解密；簽章欄位需要明確 AllowSignatureInvalidation，既有內嵌檔案需要明確 RemoveEmbeddedFiles，因為此設定檔以基礎 PDF/A-4 為目標

Losses 也回報簽章失效、內嵌檔案移除、舊式 Info 字典移除，以及被禁止的 catalog 或呈現中繼資料移除

受支援時保留既有 XMP；產生中繼資料時，受支援的標題、作者、主旨與關鍵字資訊會轉移，任意舊式 Info 欄位則不保證存活

OCR 與預算

AddOCRToImagePages 預設 false；啟用後會辨識沒有可抽取文字的頁面並附加不可見文字，不取代原始內容或既有 OCR 層

把 OCREngine 設為應用程式引擎，或留 nil 使用內建有界 ASCII OCR 引擎，其語言與排版涵蓋範圍即內建辨識設定檔的範圍

OCROptions 控制辨識解析度與文字預算；轉換器則強制跳過含文字頁面、保留既有 OCR 層，並省略新的 optional-content 群組

Limits 用 THPDFArchivalConversionOptions.Default 約束頁數、物件數、暫存輸出 bytes、單串流工作量、累計串流工作量、取消與同步檢查點；點陣像素上限只在 OCR 轉譯辨識點陣時適用

其他預設為 1,024 個損失條目、1,048,576 個抽取或預期文字 code unit，以及每次原生驗證 4,000,000 個內容 token

資源負載雜湊把編碼 bytes 計入相同的串流工作量預算；來源與輸出驗證都消耗累計工作量，因此大型掃描合集可能需要明確調高 MaxTotalDecodedBytes，即使資源驗證使用固定的 64 KiB 雜湊緩衝

預算在來源載入後套用，分別約束轉換器自有的快照與暫存輸出；接受不受信任輸入時請設定載入器上限

發布與驗證

串流 API 要求目的地為空、可 seek 且位置在零，並拒絕來源別名；只有重新載入、原生驗證、保留檢查與取消檢查都成功後，才複製暫存 bytes

目的地寫入失敗會觸發盡力重置；任意自訂串流可能拒絕該重置，因此原子檔案發布請使用檔案進入點

檔案 API 探測來源別名，在目標旁建立獨佔暫存檔，沖寫，並只在所有檢查通過後以 MoveFileEx 取代目標；較早的失敗保留既有目標並移除暫存檔

InitialValidationIssues、Repair、Conversion.ValidationIssues、OCR 明細、串流計數、抽取文字計數與明確損失都可供檢視

原生驗證涵蓋受支援的 HotPDF PDF/A-4 規則，不是對任意 PDF 的一攬子認證；迴歸驗收另外使用獨立的 pypdf 與 MuPDF 檢查，加上對產生外觀與原生 OCR 產物的 veraPDF PDF/A-4 驗證

真實語料迴歸包含內嵌字型的 Word 與圖書館指南，以及一份 380 頁中文掃描合集；未內嵌字型且含 DeviceCMYK 內容的商業報告則是明確的拒絕案例

迴歸命令

powershell -File Tests/Delphi/Run-ArchivalPreservationTests.ps1 -Platform Win32
powershell -File Tests/Delphi/Run-ArchivalPreservationTests.ps1 -Platform Win64
python Tests/Delphi/Fixtures/ArchivalPreservation/verify_preserving_output.py
verapdf --format xml --flavour 4 Tests/Delphi/generated/ArchivalPreservation/appearance.pdf Tests/Delphi/generated/ArchivalPreservation/ocr.pdf Tests/Delphi/generated/ArchivalPreservation/native-appearance.pdf

Delphi 執行器抑制檢視器啟動，並包含保留與既有點陣兩類迴歸 fixtures；獨立 veraPDF 驗收使用實際的 PDF/A-4 驗證設定檔