跳到正文
文章

如何将 PDF 转换为 PDF/A 用于归档

把普通 PDF 转成适合长期保存的 PDF/A:该选哪个级别,转换会嵌入什么内容,以及服务为什么要检查自己的输出结果。

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.

5 篇文章

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-2bPDF 1.7比较均衡,适合大多数要求
PDF/A-3bPDF 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

关于本项目

常见问题

PDF/A 是 PDF 的一个子集,不依赖任何外部文件:所有字体都已嵌入,颜色配置文件在文件内部,且不允许使用 JavaScript、加密以及指向外部资源的链接。这样的文件多年后打开效果依然一致。
大多数档案库适合 PDF/A-2b,它支持透明度、图层和 JPEG2000 压缩。只有法规或接收系统要求时才用 PDF/A-1b。PDF/A-3 允许嵌入 XML 或电子表格之类的文件,但转换不会替你附加任何文件。
可以,扫描件能够转换,但如果没有识别出的文字层,它在 PDF/A 里仍然是图片,无法搜索。如果你的档案库需要搜索功能,请先对文档做 OCR,再转换。
PDF/A 会完整嵌入所有字体和颜色配置文件,所以文件大小往往会增加。这对归档来说是正常的。如果大小很关键,请在转换前压缩文件,而不是转换后。事后再处理可能会破坏对标准的符合性。
文件在你的浏览器会话中处理,并会自动从服务器删除。无需账号,文档也不会用于训练 AI。

该专题的更多内容

相关工具

← 全部转换工具

接下来做什么

阅读之后,如需了解下一步怎么做或服务的相关信息,请打开以下页面。

全部工具

PDF 工具目录:在浏览器中合并、压缩、拆分、转换、旋转、保护和解锁 PDF 文件,无需安装任何软件。

常见问题

查看有关 iHatePDF 账号、文件处理、上传限制、手机使用、隐私,以及 PDF 工具报错时该怎么办的解答。

联系我们

如有处理错误、工具选择、安全问题、商务合作或新功能建议,欢迎联系 iHatePDF。联系时请简要说明遇到的问题和使用的工具。