为了达到可进入等级PDF / A-1A,我使用PDFBox的v2.0.13一个PDF设置XMP元数据。在设置的元数据我把文件从.DOCX到PDF转换。我曾尝试两种方式进行转换:使用XDocReport v.2.0.1和使用Docx4j v.6.1.0另一个之一。
在Java类中,我有以下代码:
PDDocumentInformation info = pdf.getDocumentInformation();
info.setTitle("Apache PDFBox");
info.setSubject("Apache PDFBox adding meta-data to PDF document");
info.setCreator("MyCreator");
...
DublinCoreSchema dcSchema = metadata.createAndAddDublinCoreSchema();
dcSchema.setTitle(info.getTitle());
dcSchema.setDescription(info.getSubject());
dcSchema.addCreator(info.getCreator());
制作与XDocReport我碰到下面的元数据转换:
</rdf:Description>
<rdf:Description xmlns:dc="http://purl.org/dc/elements/1.1/" rdf:about="">
<dc:title>
<rdf:Alt>
<rdf:li xml:lang="x-default">Apache PDFBox</rdf:li>
</rdf:Alt>
</dc:title>
<dc:description>
<rdf:Alt>
<rdf:li xml:lang="x-default">Apache PDFBox adding meta-data to PDF document</rdf:li>
</rdf:Alt>
</dc:description>
<dc:creator>
<rdf:Seq>
<rdf:li>MyCreator</rdf:li>
</rdf:Seq>
</dc:creator>
</rdf:Description>
而不是让与Docx4j我碰到下面的元数据转换:
<rdf:Description xmlns:dc="http://purl.org/dc/elements/1.1/" rdf:about="">
<dc:title>
<rdf:Alt>
<rdf:li lang="x-default">Apache PDFBox</rdf:li>
</rdf:Alt>
</dc:title>
<dc:description>
<rdf:Alt>
<rdf:li lang="x-default">Apache PDFBox adding meta-data to PDF document</rdf:li>
</rdf:Alt>
</dc:description>
<dc:creator>
<rdf:Seq>
<rdf:li>MyCreator</rdf:li>
</rdf:Seq>
</dc:creator>
</rdf:Description>
由于对于“标题”和“说明”所产生的元数据的不同,最终的PDF使用XDocReport结果PDF / A-1A访问产生,而一个使用Docx4j不可访问产生的。
可访问性检查使用VeraPDF制成。
由于Docx4j产生更可读的PDF,是有办法解决在最终的PDF中的元数据?
这是当xmpbox与某些其他库一起使用公知的问题,例如FOP。
这是谁的问题的变压器。
这段代码在XmpSerializer.java:
Transformer transformer = TransformerFactory.newInstance().newTransformer();
应返回com.sun.org.apache.xalan.internal.xsltc.trax.TransformerImpl
类。 (试试吧)
的javadoc:https://docs.oracle.com/javase/7/docs/api/javax/xml/transform/TransformerFactory.html#newInstance()
“Services API将查找在文件META-INF /服务/ javax.xml.transform.TransformerFactory中的可用运行罐子类名称。”
您可以通过设置系统属性,迫使默认的实现:
System.setProperty("javax.xml.transform.TransformerFactory", "com.sun.org.apache.xalan.internal.xsltc.trax.TransformerFactoryImpl");
不过也许这会搞乱的东西在其他图书馆。
不同的解决办法是复制XmpSerializer的源代码,并改变中的newInstance调用是这样的:
Transformer transformer = TransformerFactory.newInstance("com.sun.org.apache.xalan.internal.xsltc.trax.TransformerFactoryImpl", null).newTransformer();
docx4j出口-FO使用Apache FOP(V2.3)创建PDF。
因此,出口-FO有使PDF / A-1A为FOP V2.3相同能力:https://xmlgraphics.apache.org/fop/2.3/pdfa.html
所以我想:
FOUserAgent foUserAgent = FORendererApacheFOP.getFOUserAgent(foSettings);
foUserAgent.getRendererOptions().put("pdf-a-mode", "PDF/A-1b");
// nb PDF/A-1a, PDF/A-2a and PDF/A-3a require accessibility to be enabled
但是,抱怨说:
For PDF/A-1b, all fonts, even the base 14 fonts, have to be embedded! Offending font: /Times-Roman
org.apache.fop.pdf.PDFConformanceException: For PDF/A-1b, all fonts, even the base 14 fonts, have to be embedded! Offending font: /Times-Roman
at org.apache.fop.pdf.PDFFont.validate(PDFFont.java:170)
所以,你需要寻找到嵌入底座14种字体。
作为一个方面说明,我想一个简单的PDF PDFBox的的ExtractMetadata样品使用出口-FO创建。不幸的是,报道说:
An error ouccred when parsing the meta data: Invalid array definition, expecting Alt and found com.sun.org.apache.xerces.internal.dom.DeferredTextImpl [prefix=dc; name=title]
作为替代这一切,你可以考虑我们的商用PDF转换。能够产生PDF / A-2B:https://converter-eval.plutext.com/pdf_archive.html