Czym jest PDF/A i jak przekonwertować dokument do formatu archiwalnego

O PDF/A prawie nikt nie czyta z ciekawości. Poznajesz ten format w momencie, gdy formularz zwraca plik z komunikatem, że przyjmowane są wyłącznie dokumenty w formacie archiwalnym. Najbardziej irytujące jest to, że z twoim PDF-em wszystko jest w porządku. Otwiera się, drukuje, od lat krąży w mailach bez żadnej awantury. Po prostu łamie reguły, o których istnieniu nie miałeś pojęcia. Poniżej: co to za reguły, komu były potrzebne i jaka jest najkrótsza droga od pliku, który masz, do pliku, który zostanie przyjęty.

PDF/A to nie osobny format

Rzecz podstawowa: plik PDF/A jest plikiem PDF. To samo rozszerzenie, te same czytniki, to samo podwójne kliknięcie. Archiwalnym czyni go przestrzeganie ostrzejszego zestawu reguł opisanego w normie ISO 19005. W polskiej administracji publicznej PDF/A pojawia się w wykazach formatów przeznaczonych do długotrwałego przechowywania dokumentów elektronicznych, wynikających z rozporządzenia o Krajowych Ramach Interoperacyjności.

Wszystkie te reguły mają jeden cel: dokument ma wyglądać dokładnie tak samo za dwadzieścia lat, na komputerze, którego jeszcze nikt nie zaprojektował, bez dostępu do internetu.

To wyklucza wszystko, co zależy od świata zewnętrznego. Zwykły PDF może zapisać polecenie "złóż ten akapit czcionką Helvetica" i liczyć na to, że czcionka będzie zainstalowana. W 2045 roku może jej nie być, tekst przeleje się inną czcionką i skład się rozjedzie. Zwykły PDF może pobrać obraz z adresu URL, uruchomić skrypt, odtworzyć film. To wszystko są zależności, a zależności z czasem gniją.

Czego dokładnie wymaga norma

• Wszystkie czcionki osadzone w pliku. Kształty znaków podróżują wewnątrz dokumentu, więc tekst renderuje się identycznie niezależnie od tego, czy czcionka jest w systemie.
• Kolor opisany niezależnie od urządzenia. Do pliku dołączany jest profil ICC, który jednoznacznie mówi każdemu przyszłemu programowi, co oznacza dany odcień, zamiast zostawiać to monitorowi.
• Zakaz szyfrowania. PDF z hasłem nie może być plikiem PDF/A. Archiwum, którego nie da się otworzyć bez hasła, którego nikt już nie pamięta, nie jest archiwum.
• Zakaz skryptów, dźwięku, wideo i uruchamiania programów. Wszystko wykonywalne i wszystko rozgrywające się w czasie odpada.
• Zakaz odwołań zewnętrznych. Obrazy, czcionki i treść leżą wewnątrz pliku i nie są pobierane przy otwarciu.
• Ustandaryzowane metadane. Plik niesie metadane XMP deklarujące, do której części normy i którego poziomu pretenduje, żeby walidator sprawdzał go według właściwego zestawu reguł.

Zwróć uwagę, czego na tej liście nie ma: rozmiaru pliku, liczby stron, jakości obrazów ani tego, czy tekst da się przeszukać. PDF/A odpowiada za trwałość, nie za to, żeby było lekko i schludnie.

Która wersja: PDF/A-1, 2 czy 3

Norma ma trzy części, które się uzupełniają, a nie konkurują. Nowsza nie znaczy tu automatycznie lepsza, bo liczy się to, czego żąda instytucja przyjmująca dokument.

• PDF/A-1 (2005) jest najbardziej restrykcyjna i najszerzej akceptowana. Opiera się na starym PDF 1.4 i zakazuje przezroczystości oraz warstw, więc nowoczesny, zaprojektowany graficznie dokument potrafi po konwersji wyraźnie się spłaszczyć. Jeśli urząd w ogóle podaje wersję, zwykle jest to właśnie ta.
• PDF/A-2 (2011) bazuje na PDF 1.7. Dopuszcza przezroczystość, warstwy i kompresję JPEG 2000, pozwala też osadzać w środku inne pliki PDF/A. Dla większości zastosowań to rozsądny domyślny wybór: gwarancje archiwalne są takie same, a ryzyko, że dokument zmieni wygląd, znacznie mniejsze.
• PDF/A-3 (2012) to PDF/A-2 plus jedna istotna różnica: w środku można osadzić dowolny plik, nie tylko PDF/A. Na tym opierają się standardy faktur elektronicznych, gdzie maszynowo czytelny XML siedzi wewnątrz czytelnego dla człowieka dokumentu. Jeśli nie masz takiej potrzeby, trzecia część nie jest ci potrzebna.

Litera po cyfrze

Poziomy zapisuje się jako 1b, 2b, 2u, 2a. Litera mówi, ile struktury niesie plik:

• b (basic) gwarantuje wierne odwzorowanie wizualne. Strona zawsze będzie wyglądać poprawnie. To właśnie ma na myśli zdecydowana większość wymagań.
• u (unicode) dokłada gwarancję, że cały tekst jest poprawnie odwzorowany w Unicode, więc da się go niezawodnie wyciągnąć i przeszukać.
• a (accessible) dokłada pełne tagowanie: kolejność czytania, strukturę, tekst alternatywny obrazów. Tego wymagają przepisy o dostępności cyfrowej i żaden konwerter nie wyczaruje takiej struktury z płaskiego skanu. Prawdziwy poziom a bierze się z dobrze otagowanego dokumentu źródłowego, nie z kroku konwersji.

Jeśli nikt nie podał poziomu, wybierz PDF/A-2b. Zamyka zwykłe wymaganie "musi być PDF/A" przy najmniejszej ingerencji w wygląd dokumentu.

Kto tego wymaga

• Administracja publiczna i e-usługi. Wykazy formatów do długotrwałego przechowywania dokumentów elektronicznych wskazują PDF/A. Jeśli składasz coś do urzędu elektronicznie, prędzej czy później się na to natkniesz.
• Sądy i systemy składania pism. Portale sądowe w Europie coraz częściej wymagają formatu archiwalnego w regulaminach składania dokumentów.
• Uczelnie i repozytoria naukowe. Systemy przyjmowania prac dyplomowych i rozpraw doktorskich bardzo często proszą o PDF/A, żeby praca dała się czytać dekady po obronie.
• Archiwa zakładowe i audyt. Wszędzie tam, gdzie instrukcja kancelaryjna mówi "przechowywać przez pięć lat", ktoś w końcu zapyta, czym to jest zabezpieczone.
• Faktury elektroniczne. Tu w grę wchodzi konkretnie PDF/A-3, z ustrukturyzowanymi danymi faktury osadzonymi w czytelnym dokumencie.

Jak przekonwertować PDF do PDF/A

Sama konwersja jest szybka. W praktyce prosisz program, żeby osadził wszystko, co wcześniej było pobierane z zewnątrz, dołożył profil koloru, usunął rzeczy zakazane i zapisał metadane deklarujące zgodność.

1. Otwórz konwerter PDF na PDF/A i wgraj plik.
2. Wybierz poziom zgodności. Dostępne są PDF/A-1b, 2b i 3b. Bierz 2b, o ile nie powiedziano ci inaczej.
3. Uruchom konwersję i pobierz wynik.
4. Otwórz plik i przejrzyj go. Konwersja potrafi zmienić wygląd, a trzydzieści sekund uwagi przed wysłaniem dokumentu gdziekolwiek to dobra inwestycja.

Jedną rzecz trzeba załatwić wcześniej: jeśli PDF ma hasło, zdejmij je przed konwersją, bo szyfrowanie i PDF/A wzajemnie się wykluczają. Jak to zrobić, opisuje poradnik o tym, jak usunąć hasło z własnego pliku PDF. Słowo "własnego" jest tu kluczowe, bo hasło trzeba znać.

Jak sprawdzić, czy plik naprawdę jest PDF/A

Plik, który jedynie deklaruje zgodność, jest niewiele wart, jeśli system przyjmujący ma inne zdanie. Sprawdzać można na trzech poziomach, a głębokość kontroli powinna odpowiadać stawce.

• Otwórz w dowolnym czytniku PDF. Większość programów pokazuje u góry pasek informujący, że dokument jest w trybie PDF/A. Brak paska oznacza brak deklaracji.
• Zajrzyj we właściwości dokumentu. W metadanych zobaczysz część normy i poziom, do których plik pretenduje.
• Uruchom prawdziwy walidator. veraPDF to darmowa, referencyjna implementacja sprawdzania zgodności. Przy rozprawie doktorskiej albo piśmie procesowym przepuść plik raz. To minuta pracy i dokładnie ta sama kontrola, którą prawdopodobnie wykonuje system po drugiej stronie.

Nasz konwerter sprawdza wynik strukturalnie jeszcze przed wydaniem pliku: potwierdza obecność profilu koloru i zgodność zadeklarowanego poziomu z zamówionym. To wyłapuje nieudaną konwersję, ale nie zastępuje pełnego audytu według ISO 19005. Przy dokumentach o skutkach prawnych jedno przejście przez veraPDF nie zaszkodzi.

Dlaczego dokument bywa po konwersji inny

• Przezroczystość została spłaszczona. Konwersja do PDF/A-1b usuwa przezroczystość, bo PDF 1.4 jej nie zna. Miękkie cienie, poświaty i półprzezroczyste plamy zapiekają się w nieprzezroczyste piksele. Jeśli dokument ma nowoczesny skład, weź 2b i problem znika.
• Podmieniła się czcionka. Jeśli źródłowy PDF odwoływał się do czcionki bez jej osadzenia, konwerter musi coś osadzić i wstawia najbliższy dostępny krój. Światła i łamanie wierszy potrafią się przesunąć. Lekarstwo jest po stronie źródła: wyeksportuj dokument ponownie z osadzonymi czcionkami.
• Plik urósł. Tak ma być. Osadzone czcionki i profil koloru zajmują miejsce. Jeśli rozmiar przeszkadza, przepuść wynik przez kompresję PDF i zwaliduj ponownie, bo agresywna kompresja potrafi zgodność zepsuć.
• Zniknęły elementy interaktywne. Pola formularzy, skrypty i multimedia nie są treścią archiwalną. Jeśli chcesz zachować wypełnione wartości, spłaszcz formularz przed konwersją, żeby odpowiedzi stały się częścią strony.
• Konwersja w ogóle nie ruszyła. Prawie zawsze to szyfrowanie. Zdejmij hasło i spróbuj jeszcze raz.

Czego PDF/A nie robi

• To nie podpis ani dowód autentyczności. Norma obiecuje, że plik będzie się tak samo wyświetlał w przyszłości. Nie mówi nic o tym, kto go stworzył i czy ktoś go nie zmienił. Do tego potrzebny jest podpis dokumentu.
• To nie zabezpieczenie. Wręcz przeciwnie: szyfrowanie jest zakazane. Jeśli dokument ma być i zarchiwizowany, i chroniony, to dwie osobne kopie do dwóch osobnych zadań.
• Skan nie stanie się przeszukiwalny. Zeskanowana strona przekonwertowana do PDF/A-1b to poprawny plik archiwalny zawierający obrazek tekstu. Jeśli potrzebujesz słów, najpierw rozpoznawanie. Różnicę omawia tekst o tym, kiedy potrzebny jest OCR, a kiedy zwykła konwersja.
• Jakość się nie poprawi. Zamazany skan zarchiwizowany perfekcyjnie zostanie zamazanym skanem na zawsze.

Najczęstsze pytania

Czy da się zamienić PDF/A z powrotem na zwykły PDF?

Nie ma takiej potrzeby. Plik PDF/A jest pełnoprawnym PDF-em i otwiera się wszędzie. Jeśli go zedytujesz, zgodność zwykle przestaje obowiązywać, i to jest w porządku, o ile trzymasz nietkniętą kopię archiwalną, a po zmianach konwertujesz jeszcze raz.

Czy PDF/A-3 jest lepszy od PDF/A-2, skoro cyfra większa?

Nie. Dla większości osób jedyna istotna różnica polega na tym, że w trzeciej części można osadzać dowolne pliki. Część archiwów wręcz tego nie lubi, bo osadzony arkusz kalkulacyjny jest zależnością, której czytelności nikt w przyszłości nie zagwarantuje. Wybierz wersję, o którą cię poproszono, a jeśli nie proszono, to 2b.

Dlaczego skan się przekonwertował, ale tekst nadal się nie wyszukuje?

Bo skan to obraz, a archiwizacja obrazu zachowuje obraz. Najpierw uruchom rozpoznawanie tekstu albo konwersję skanu do Worda, a dopiero wynik przenieś do formatu archiwalnego.

Czy potrzebuję PDF/A do zwykłych dokumentów firmowych?

Zwykle nie. Do faktury, którą wyślesz i zapomnisz, wystarczy zwykły PDF. Format archiwalny zarabia na siebie wtedy, gdy dokument musi przetrwać okres przechowywania, postępowanie prawne albo repozytorium instytucjonalne, albo gdy ktoś wprost o niego poprosił.

Czy PDF/A zablokuje edycję pliku?

Nie. Nie jest tylko do odczytu i niczym nie jest zamknięty. Każdy z edytorem zmieni go tak samo jak zwykły PDF. Norma gwarantuje wierność wyświetlania w czasie, a nie niezmienność treści.

Co zrobić, jeśli plik mimo wszystko został odrzucony?

Sprawdź trzy rzeczy po kolei: czy nie proszono o konkretną część i poziom, na przykład 1b zamiast 2b; czy na pliku nie zostało przypadkiem hasło; i co mówi walidator o rzeczywistych błędach. W praktyce pierwszy punkt tłumaczy większość odmów.

Przekonwertuj plik

Jeśli formularz czeka na kopię archiwalną, konwerter PDF na PDF/A obsługuje poziomy 1b, 2b i 3b i sprawdza własny wynik przed pobraniem. Należy do Convertica Premium razem z resztą zestawu narzędzi premium. Przygotowanie pliku jest darmowe: zdjęcie hasła, kompresja i łączenie stron w jeden dokument, a resztę znajdziesz na pełnej liście narzędzi.