如何将 PDF 转换为 PDF/A 用于归档
简言之: 要把 PDF 转换为 PDF/A 用于归档,请将文件上传到“PDF 转 PDF/A 在线”并选择级别:大多数档案库适合 PDF/A-2b,只有明确要求时才用 PDF/A-1b,档案库允许嵌入文件时用 PDF/A-3。转换会嵌入字体和颜色配置文件,多年后打开效果依然一致。如果需要可搜索的扫描件,请在转换前先做 OCR。
专题
最佳实践
最佳实践: PDF guidance for reliable document processing and quality checks.
主要工具
在线 PDF 转 PDF/A
打开本文提到的工具,并以当前界面语言完成操作。
打开工具目录
凡是文件需要比生成它的软件活得更久的地方,都可能要求以 PDF/A 提交文档:国家档案馆、法院系统、学位论文存缴,以及保存期很长的企业档案。
这种格式的要点是自给自足。普通 PDF 可能引用系统里安装的某个字体,或依赖显示器的颜色配置文件。二十年后这两样可能都不存在了,文档打开后就会和原来不一样。PDF/A 禁止这类外部依赖:所需的一切都在文件内部。
转换实际做了什么
转换由 Ghostscript 完成,并不只是表面上改一下元数据。
字体会被完整嵌入文件,因此文档不再取决于读者电脑上装了什么。颜色会统一到一个有明确描述的配置文件上,文件还会附带输出意图(output intent),之后可以据此唯一地还原出预期的色彩。符合级别则写入元数据。
由此可见,转换后的文件几乎总会比原文件大。嵌入的字体和颜色配置文件要占空间。这是正常现象,是自给自足的代价,并不说明哪里出了问题。
该选哪个级别
一共有三个级别,中间那个是默认值。
| 级别 | 基于 | 特点 |
|---|---|---|
| PDF/A-1b | 较旧的 PDF 1.4 | 限制最严格,与接收系统的兼容性最好 |
| PDF/A-2b | PDF 1.7 | 比较均衡,适合大多数要求 |
| PDF/A-3b | PDF 1.7 | 与 2b 相同,另外允许嵌入任意文件 |
三个级别末尾的 b 都表示基本级别:保证文档在任何时候看起来都一样。还有 a 级,对结构和无障碍有要求,但它对源文档要求很高,普通扫描的证明文件经自动转换是达不到的。
如果归档要求里明确写了级别,就选它指定的那个。如果只写了“PDF/A”,就选 2b。选择 1 级需要有明确理由:它基于较旧版本的 PDF,不支持透明度和图层,所以含有现代图形的文档转成 1b 时变化更大。
服务会检查自己的输出
这一点值得单独说明,因为并不是每个转换工具都这么做。
转换完成后,会检查文件是否带有 PDF/A 的必备标记:元数据中是否声明了符合级别,该级别是否与所请求的一致。不会仅仅因为转换没有报错就宣称结果符合要求。
如果检查未通过,文件仍会返回,但会如实地以普通 PDF 的形式返回,并说明缺少了什么。它通常仍比原文件好;把它称作 PDF/A 则不符合事实。元数据同样不会造假:未通过检查的文件不会被打上符合性标记,因为这样的标记会同时误导人和接收系统。
这项检查不是什么
这里要注意,不要高估它的保证。
这项检查看的是格式标记,而不是按 ISO 19005 做完整的正式验证。完整验证需要另外的工具,公认的是 veraPDF。两者差别很大:标记只能确认文件自称是 PDF/A,并且是按此构建的;正式验证则会逐条检查标准的每一项要求。
对内部档案库和大多数机构来说,前者就够了。如果文档要送往的地方对不符合要求有法律后果,请另外用 veraPDF 检查最终文件。服务也会在随结果附上的消息里说明这一点。
操作步骤
1. 向接收方确认需要哪个级别。 2. 打开 PDF 转 PDF/A 在线并上传文档。 3. 选择符合级别,默认是 2b。 4. 设置一个有意义的文档标题:它会写入归档元数据,人们会按它来搜索。 5. 运行转换,并阅读随结果附上的消息,而不是直接下载文件了事。
第五步不是走形式。这条消息里正好写着符合性是否已确认,还是文件作为普通 PDF 返回了。
档案库为什么仍可能拒收文件
格式符合与被某个档案库接受是两回事,后者更严格。
最常见的原因是标准本身没有的要求。档案库可能要求特定级别、特定的文件命名规则、一组必填的元数据字段,或者大小上限。文件是无可挑剔的 PDF/A,照样会被退回。
第二个常见原因是:文档在形式上符合,却不包含提交它所要的内容。没有文字层的扫描件转成 PDF/A,仍然是一堆图片。对于“可搜索的 PDF/A”这一要求,这样的文件并不满足,尽管关于格式的两个词都是对的。
第三个原因比较隐蔽:符合性可能没有被确认,却没人注意到。文件被下载下来,看到能打开,就发出去了。而随结果附上的消息其实写着检查未通过,文件是作为普通 PDF 返回的。这就是为什么值得读一读那条消息。
如果档案库的要求有好几页,更稳妥的做法是先拿一个试验文件走完整个流程并取得对方确认,而不是把全部文档都转完,一个月后才发现不符合。
事先要准备什么
转换只处理拿到的内容,不会修复源文档里的问题。
扫描文档仍然是一组图片。形式上它成了 PDF/A,但你无法在其中搜索文字。如果档案库期望的是带文字层的文档,请先用 OCR PDF 在线处理扫描件,再进行转换。
受密码保护的文档在去掉打开保护之前无法转换。可以用 解锁 PDF 在线来处理。还要记住,按标准本身的规定,PDF/A 与加密互不兼容:归档文档必须无需密钥即可打开。
标题和其他属性,最好在转换前用 PDF 元数据编辑工具整理好,这比事后在已声明为归档的文件里修改要容易。
如果文档很多,不要盲目批量处理。符合级别和源文件的准备工作因文档类型而异:扫描件需要识别,含透明度的文档不适合 1 级,受密码保护的文件则根本过不了。更稳妥的做法是先按类型把文档分类,在每类中选一份有代表性的文件把设置定下来,然后再处理其余的。
作者
由服务团队编写;Sergey Gagin 负责本服务
常见问题
该专题的更多内容
相关工具
在线压缩 PDF
减小 PDF 的大小,方便发邮件或上传到表单。选择预设或目标大小,分享前先检查清晰度和最终文件大小。
在线修复 PDF
如果文件打开时出错、渲染不正确或在后续处理过程中失败,请尝试修复 PDF。
在线PDF 转灰度
将彩色 PDF 页面转换为灰度,并下载一个单独的文件,以便进行清晰、经济的黑白打印。一个实际应用场景是准备彩色报告或扫描件以进行黑白打印。
删除 PDF 空白页
删除 PDF 中的空白页,这些空白页常出现在双面扫描和自动进纸器扫描之后。