PdfBox：PDF/A-1A 到 PDF/A-3A

Question

我有以下问题： 我想将 PDF/A-1A 文档转换为 PDF/A-3A。 原始文档经过 Arobat Reader Pro 验证，因此我可以假设它符合 PDF/A-1A 规范。

我尝试使用以下代码转换PDF元数据：

private PDDocumentCatalog makeA3compliant(PDDocument doc) throws IOException, TransformerException  {
PDDocumentCatalog cat = doc.getDocumentCatalog();
PDMetadata metadata = new PDMetadata(doc);
cat.setMetadata(metadata);

XMPMetadata xmp = new XMPMetadata();
XMPSchemaPDFAId pdfaid = new XMPSchemaPDFAId(xmp);
xmp.addSchema(pdfaid);

XMPSchemaDublinCore dc = xmp.addDublinCoreSchema();
String creator = "TestCr";
String producer = "testPr";
dc.addCreator(creator);
dc.setAbout("");

XMPSchemaBasic xsb = xmp.addBasicSchema();
xsb.setAbout("");
xsb.setCreatorTool(creator);
xsb.setCreateDate(GregorianCalendar.getInstance());

PDDocumentInformation pdi = new PDDocumentInformation();
pdi.setProducer(producer);
pdi.setAuthor(creator);
doc.setDocumentInformation(pdi);

XMPSchemaPDF pdf = xmp.addPDFSchema();
pdf.setProducer(producer);
pdf.setAbout("");

PDMarkInfo markinfo = new PDMarkInfo();
markinfo.setMarked(true);
doc.getDocumentCatalog().setMarkInfo(markinfo);

pdfaid.setPart(3);
pdfaid.setConformance("A");
pdfaid.setAbout("");

metadata.importXMPMetadata(xmp);

return cat;

}

如果我尝试再次使用 Acrobat 验证新文件，则会收到验证错误：

子集字体中的 CIDset 不完整（字体包含未列出的字形）

如果我尝试使用此在线验证器（http://www.pdf-tools.com/pdf/validate-pdfa-online.aspx）验证文件，它是有效的 PDF/A-3A...

我错过了什么吗？

没有人能帮忙吗？

编辑：这是PDF文件

Answer 1

这有助于我们在 CIDset 问题上完全符合 PDF/A-3 标准：

private void removeCidSet(PDDocumentCatalog catalog) {

  COSName cidSet = COSName.getPDFName("CIDSet");

  // iterate over all pdf pages
  for (Object object : catalog.getAllPages()) {
    if (object instanceof PDPage) {

      PDPage page = (PDPage) object;
      Map<String, PDFont> fonts = page.getResources().getFonts();
      Iterator<String> iterator = fonts.keySet().iterator();

      // iterate over all fonts
      while (iterator.hasNext()) {
        PDFont pdFont = fonts.get(iterator.next());

        if (pdFont instanceof PDType0Font) {
          PDType0Font typedFont = (PDType0Font) pdFont;

          if (typedFont.getDescendantFont() instanceof PDCIDFontType2Font) {
            PDCIDFontType2Font f = (PDCIDFontType2Font) typedFont.getDescendantFont();
            PDFontDescriptor fontDescriptor = f.getFontDescriptor();

            if (fontDescriptor instanceof PDFontDescriptorDictionary) {
              PDFontDescriptorDictionary fontDict = (PDFontDescriptorDictionary) fontDescriptor;
              fontDict.getCOSDictionary().removeItem(cidSet);
            }
          }
        }
      }
    }
  }
}

Answer 2

好的 - 我想我从 callas 和/或 Adobe 技术的角度对您的问题有了答案 （我再次支持 callas 及其 pdfToolbox 技术，该技术也在 Acrobat 内部使用）。

根据我的研究和咨询过的人，您的示例 PDF 文档包含 CID 字符集不完整的字体。为什么 pdfToolbox 或 Acrobat 说它是有效的 PDF/A-1a 文件，但不是有效的 PDF/A-3a 文件？有趣的问题：

1) PDF/A-1a 和 PDF/A-3a 之间不完整 CID 集的规则更改。 PDF/A-3a 中它们更严格。

2) 但是在 PDF/A-1a 中，CID 集始终必须存在，而在 PDF/A-3a 中，您可以拥有有效的、兼容的文件，而无需这样的 CID 集。

因此，您的 PDF 文件包含一个 CID 集（这使得它对 PDF/A-1a 和 A-3a 有效），但虽然该 CID 集适用于 A-1a，但它不包含所有属于 A-3a 的字符合规。

为了测试该理论的至少一部分，我通过 pdfToolbox 处理了您的文件，并使用了名为“如果不完整则删除 CIDset”的修复程序。该更正（顾名思义）会从文件中删除 CID 集，但不会更改任何其他内容。执行此操作后，您的文件将被验证为有效的 A-3a 文件。

这就留下了一个问题，为什么 pdftools 网站声称这是一个有效的 PDF/A-3a 文件？据我交谈过的人说，该文件的预检结果是正确的，该文件应该有错误。所以也许这是你需要与 pdftools 人员讨论的事情（他们可能与 callas 一起找出谁最终是对的）。

如果您想进一步讨论这个问题，请随时给我发送个人消息 - 关于工具本身的更多讨论可能会成为这个公共网站的题外话。