Eget test: samma PDF-bild, annan struktur

Testfilen innehåller påhittade månadsuppgifter, tre rubriker och en enkel tabell. Före-filen saknar taggstruktur. Efter-filen skapades med vår PDF-motor och en uttrycklig strukturplan. Innehållet är konstruerat för testet; kontrollresultaten är uppmätta.

Detta prövar en avgränsad teknisk bearbetning. Det bevisar inte att ett helt kundflöde, alla dokumenttyper eller en automatisk bedömning fungerar.

En PDF kan se färdig ut och ändå sakna information om vad textdelarna betyder. Vi byggde därför ett litet dokument där innehållet är enkelt att kontrollera: månadsuppgifter, rubriker och en tabell. Det begränsar antalet saker som kan påverka resultatet och gör skillnaden mellan utseende och struktur tydlig.

I före-filen finns den synliga informationen men ingen taggstruktur. I efter-filen har samma innehåll fått roller och relationer. En huvudrubrik och två underrubriker beskriver dispositionen. Tabellens kolumnrubriker kopplas till datacellerna. Dokumentspråket anges som svenska för Sverige.

Den tekniska frågan är avgränsad: kan dessa strukturella egenskaper läggas till samtidigt som texten och den renderade sidan bevaras? Det är en annan fråga än om ett färdigt dokument fungerar väl i alla lässituationer. Därför redovisar vi maskinresultaten och de återstående proven var för sig.

Valideringen undersökte filerna mot PDF/UA-1-profilen i veraPDF 1.30.2. Samma verktyg och profil användes före och efter. Det gör resultaten jämförbara som två körningar, men inte som en procentsats där varje kontroll har lika stor betydelse för en läsare.

Textjämförelsen undersökte om textinnehållet bevarades. Den ger stöd för att den tekniska bearbetningen inte tappade ord och siffror enligt den använda jämförelsen. Den bevisar inte att alla taggar har rätt semantik eller att texten läses i en användbar ordning.

Bildjämförelsen utgick från PDFium-rendering vid skala 1. Bildpixlarna var identiska i just den renderingen. Det är ett tydligt resultat om utseendet i den miljön, men det ska inte utvidgas till ett löfte om varje PDF-läsare, zoomnivå eller utskrift.

Tillsammans visar jämförelserna att struktur kan tillföras utan att denna testsidas synliga innehåll behöver ändras. De kompletterar varandra eftersom de undersöker olika egenskaper. Ingen av dem kan användas som ersättning för de andra.

Efter-filen klarade 2 004 enskilda maskinkontroller i den angivna profilen. Antalet kontroller skiljer sig mellan filerna eftersom deras struktur skiljer sig. Använd därför inte 55 rättade kontroller som en allmän procentsats för tillgänglighet.

Det intressanta är att den synliga sidan kunde bevaras samtidigt som dokumentet fick en maskinläsbar struktur. Noll fel i denna profil bevisar fortfarande inte att all information fungerar för alla läsare.

Källor: [1]

PAC-kontroll, praktiskt test med Adobe Reader och NVDA, oberoende AI-granskning samt mänskligt leveransgodkännande ingår inte i resultatet. Exemplet får därför inte beskrivas som ett färdiggranskat kundcase eller en certifierad PDF.

Nästa praktiska prov skulle vara att hitta avsnitt med rubriknavigering och läsa tabellen i en dokumenterad kombination av PDF-läsare och skärmläsare. Ett lämpligt test är att hitta 105 timmar för februari och därefter jämföra med januari. Resultatet måste observeras i den miljön innan vi kan säga hur det fungerar där.

Ett litet syntetiskt dokument säger heller inget säkert om komplicerade noter, formulär, matematik eller stora rapporter. För varje ny innehållstyp behöver arbetsmetoden prövas mot dess egna krav. Exemplet är användbart just för att dess fråga och gränser går att se.

• Generatorn är scripts/create-seo-pdf-demo.py i projektets arbetskopia.
• Rårapporter, strukturplan och resultat sparades tillsammans med filerna.
• Kontrolluppgifterna gäller dessa hashvärden. En ändrad fil behöver ett nytt kontrollunderlag.

fore.pdf
e8daf04f9e5e0e8dd2e33b1e9dcd1bd90e8503fd118bfb6f6128050bd17534a6

efter.pdf
3cf2192f183a96b8baf66748563c98c8fcc6ada1165581cc62bd65f44c988bf6