Как конвертировать PDF в PDF/A для архива

Требование сдать документ в PDF/A появляется там, где файл должен пережить своё программное обеспечение: в госархивах, судебных системах, при депонировании диссертаций и в корпоративном документообороте с длительным сроком хранения.

Смысл формата в самодостаточности. Обычный PDF может ссылаться на шрифт, установленный в системе, или полагаться на цветовой профиль монитора. Через двадцать лет ни того, ни другого может не быть, и документ откроется не тем, чем был. PDF/A запрещает такие внешние зависимости: всё нужное лежит внутри файла.

Что происходит при конвертации

Преобразование делает Ghostscript, и это не косметическая правка метаданных.

Шрифты встраиваются в файл целиком, чтобы документ не зависел от того, что установлено на машине читателя. Цвета приводятся к описанному профилю, и к файлу прикрепляется выходной цветовой профиль, по которому потом однозначно восстанавливается, какой именно оттенок имелся в виду. В метаданные записывается объявление уровня соответствия.

Из этого следует, что файл после конвертации почти всегда становится тяжелее исходного. Встроенные шрифты и цветовой профиль занимают место. Это нормально и является платой за самодостаточность, а не признаком того, что что-то пошло не так.

Какой уровень выбирать

Уровней три, по умолчанию стоит средний.

Буква b во всех трёх означает базовый уровень: гарантируется, что документ будет выглядеть одинаково всегда. Есть ещё уровень a, с требованиями к структуре и доступности, но он предъявляет к исходному документу такие требования, что автоматическая конвертация обычной сканированной справки его не вытянет.

Если в требованиях архива уровень назван прямо, берите названный. Если сказано просто «PDF/A», берите 2b. Первый уровень стоит выбирать осознанно: он основан на старой версии PDF и не поддерживает прозрачность и слои, поэтому документ с современной графикой при конвертации в 1b изменится сильнее.

Сервис проверяет собственный результат

Это стоит проговорить отдельно, потому что так делают не все конвертеры.

После преобразования файл проверяется на наличие обязательных признаков PDF/A: объявлен ли уровень соответствия в метаданных, совпадает ли он с запрошенным. Результат конвертации не объявляется соответствующим формату просто потому, что конвертация отработала без ошибки.

Если проверка не прошла, файл всё равно отдаётся, но честно, как обычный PDF, с объяснением, чего именно не хватило. Он, как правило, всё равно лучше исходника, просто называть его PDF/A было бы неправдой. Метаданные при этом не подделываются: признаки соответствия не проставляются на файл, который проверку не прошёл, потому что такая пометка ввела бы в заблуждение и человека, и приёмную систему.

Чем эта проверка не является

Здесь важно не переоценить гарантию.

Проверка смотрит на маркеры формата, а не выполняет полную формальную валидацию по стандарту ISO 19005. Полная валидация требует отдельного инструмента, и общепринятый среди них veraPDF. Разница существенная: маркеры подтверждают, что файл заявляет о себе как о PDF/A и собран соответствующим образом, а формальная валидация проверяет каждое требование стандарта по пунктам.

Для внутреннего архива и для большинства организаций первого достаточно. Если же документ идёт туда, где несоответствие имеет юридические последствия, прогоните готовый файл через veraPDF отдельно. Об этом же предупреждает и сам сервис в сообщении к результату.

Порядок действий

1. Уточните в требованиях получателя, какой уровень нужен. 2. Откройте pdf-to-pdfa и загрузите документ. 3. Выберите уровень соответствия, по умолчанию 2b. 4. Задайте осмысленный заголовок документа: он попадёт в архивные метаданные и по нему файл будут искать. 5. Запустите конвертацию и прочитайте сообщение к результату, а не только скачайте файл.

Пятый шаг здесь не формальность. Именно в сообщении написано, подтверждено соответствие или файл вернулся обычным PDF.

Почему архив может не принять файл

Соответствие формату и приёмка в конкретном архиве это разные вещи, и второе строже первого.

Чаще всего дело в требованиях, которых нет в самом стандарте. Архив может требовать конкретный уровень, определённое именование файла, обязательный набор полей в метаданных или ограничение на объём. Файл при этом будет безупречным PDF/A и всё равно вернётся.

Вторая частая причина в том, что документ формально соответствует формату, но не содержит того, ради чего его сдают. Скан без текстового слоя, конвертированный в PDF/A, остаётся набором картинок. Требование «PDF/A с возможностью поиска» такой файл не закрывает, хотя оба слова про формат в нём выполнены.

Третья причина неочевидная: соответствие могло не подтвердиться, а этого не заметили. Файл скачали, увидели, что он открывается, и отправили. Сообщение к результату при этом говорило, что проверка не прошла и файл вернулся обычным PDF. Поэтому его и стоит читать.

Если требования архива изложены документом на несколько страниц, разумнее один раз прогнать пробный файл по всей цепочке и получить от них подтверждение, чем конвертировать весь массив и узнать о несоответствии через месяц.

Если документов много, не запускайте их пачкой вслепую. Уровень соответствия и подготовка исходников у разных типов документов различаются: сканы требуют распознавания, документы с прозрачностью плохо ложатся в первый уровень, файлы под паролем не пройдут вовсе. Разумнее разложить массив по типам, подобрать настройки на одном представителе каждого типа и только потом гнать остальные.

Что подготовить заранее

Конвертация работает с тем, что ей дали, и не исправляет проблемы исходного документа.

Отсканированный документ останется набором картинок. Формально он станет PDF/A, но текст в нём искать будет нельзя. Если архив ожидает документ с текстовым слоем, сначала прогоните скан через ocr-pdf, а уже потом конвертируйте.

Документ под паролем не сконвертируется, пока защита на открытие не снята. Это лечится через unlock-pdf. Заодно стоит помнить, что PDF/A и шифрование несовместимы по самому стандарту: архивный документ обязан открываться без ключа.

Заголовок и прочие свойства проще привести в порядок до конвертации через set-pdf-metadata, чем потом править файл, который уже объявлен архивным.