PDF/A क्या है और असल में इसकी ज़रूरत कब पड़ती है?

किसी ने आपसे PDF/A फ़ाइल माँगी है। शायद किसी अदालत का दाख़िला पोर्टल, शायद कोई अभिलेख प्रबंधक, शायद किसी विश्वविद्यालय की जमा प्रणाली — और संभवतः यह बताए बिना कि फ़र्क़ क्या है या यह क्यों मायने रखता है। राहत की बात यह है कि PDF/A कोई नया प्रारूप नहीं जो आपको सीखना पड़े। यह सामान्य PDF ही है जिसमें से भरोसे के लायक न रहे हिस्से हटा दिए गए हैं।

कम राहत की बात यह है कि प्रतिबंध इतने सख़्त हैं कि पहले से प्रचलित अधिकतर PDF उन पर खरे नहीं उतरते। यही वजह है कि रूपांतरण एक असली प्रसंस्करण चरण है, महज़ नाम बदलना नहीं।

PDF/A असल में है क्या

PDF/A को ISO 19005 मानक परिभाषित करता है, जो पहली बार 2005 में प्रकाशित हुआ। यह कोई अलग फ़ाइल प्रकार नहीं है: PDF/A फ़ाइल का अंत आज भी .pdf से होता है, वह आपके पास पहले से मौजूद किसी भी रीडर में खुलती है, और उस दस्तावेज़ जैसी ही दिखती है जिससे वह बनी। उसे PDF/A बनाता है यह तथ्य कि वह प्रतिबंधों की एक प्रलेखित सूची का पालन करती है — और अपने ही मेटाडेटा में घोषित करती है कि वह उस सूची का कौन-सा संस्करण मानती है।

मानक का चार बार विस्तार हुआ है, और उसके भाग आपस में बदले नहीं जा सकते। हर भाग अपने समय की PDF विनिर्देशिका के सामने लिखा गया:

भाग संख्या के साथ-साथ हर फ़ाइल एक अनुरूपता स्तर रखती है — वही अक्षर जो आप PDF/A-2b जैसे नामों में देखते हैं। यह अक्षर संख्या से बिल्कुल अलग धुरी का है, और दोनों को गड्डमड्ड कर देना इस मानक के बारे में सबसे आम ग़लतफ़हमी है:

• स्तर b (बेसिक)। फ़ाइल भविष्य में अपनी दृश्य बनावट भरोसेमंद ढंग से दोहराएगी। वादा बस इतना ही है — पाठ निकालने या खोजने के बारे में कोई गारंटी नहीं।
• स्तर u (यूनिकोड)। स्तर b, साथ में यह कि पृष्ठ का हर अक्षर किसी यूनिकोड मान से जुड़ा हो, ताकि पाठ भरोसेमंद ढंग से निकाला और खोजा जा सके। PDF/A-2 के साथ आया।
• स्तर a (सुलभ)। स्तर u, साथ में टैग की गई दस्तावेज़ संरचना: शीर्षक, तालिकाएँ, पढ़ने का क्रम और भाषा — यानी वह जानकारी जो स्क्रीन रीडर को पृष्ठ समझने के लिए चाहिए।

व्यवहार में लगभग हर बार जो माँगा जाता है वह स्तर b की फ़ाइल होती है, और इसकी वजह आगे दी गई है: स्तर u और a ऐसी जानकारी माँगते हैं जिसे कोई कन्वर्टर गढ़ नहीं सकता, अगर स्रोत दस्तावेज़ में वह कभी थी ही नहीं।

वह नियम जिससे बाक़ी सब निकलता है

ISO 19005 का हर प्रतिबंध एक ही अपेक्षा की सेवा करता है: फ़ाइल में वह सब कुछ होना चाहिए जो उसे ख़ुद को दिखाने के लिए चाहिए, और वह अपने बाहर की किसी चीज़ पर निर्भर न हो। न आपकी मशीन पर स्थापित किसी फ़ॉन्ट पर, न उस रंग प्रोफ़ाइल पर जो संयोग से आपका मॉनिटर इस्तेमाल करता है, न किसी लिंक को हल करने वाले सर्वर पर, और न 2026 में किसी के लिख रखे पासवर्ड पर।

जैसे ही आप इस अपेक्षा को स्वीकार कर लेते हैं, नियम मनमाने लगना बंद कर देते हैं और स्वाभाविक लगने लगते हैं:

• हर फ़ॉन्ट एम्बेड होना चाहिए — और ऐसे लाइसेंस के साथ जो इसकी अनुमति देता हो। जो फ़ाइल Helvetica का हवाला देती है और उम्मीद करती है कि रीडर उसे मुहैया कराएगा, वह भविष्य के किसी कंप्यूटर पर दाँव लगा रही है।
• रंग निरपेक्ष रूप से परिभाषित होना चाहिए, एम्बेड की गई ICC आउटपुट प्रोफ़ाइल के ज़रिए, न कि स्क्रीन जो समझ ले उस पर छोड़ा जाए। वरना «लाल का यह शेड» पचास साल बाद कुछ भी मायने नहीं रखेगा।
• एन्क्रिप्शन निषिद्ध है। कुंजी एक निर्भरता है, और निर्भरताएँ खो जाती हैं।
• कोई JavaScript नहीं, कोई एम्बेडेड ऑडियो या वीडियो नहीं, कोई लॉन्च क्रिया नहीं। जिस व्यवहार के चलने की गारंटी न दी जा सके, उसे संग्रहित भी नहीं किया जा सकता।
• बाहरी सामग्री का कोई संदर्भ नहीं। जो कुछ भी दिखाया जाता है वह फ़ाइल के भीतर ही होना चाहिए।
• मेटाडेटा XMP के रूप में मौजूद होना चाहिए, प्रलेखित, मशीन-पठनीय रूप में — इसमें यह घोषणा भी शामिल है कि फ़ाइल किस भाग और किस स्तर का दावा करती है।

रूपांतरण आपकी फ़ाइल में क्या बदलता है

रूपांतरण किसी अनछुए दस्तावेज़ पर लगी मुहर नहीं है। कुछ जोड़ा जाता है, कुछ हटाया जाता है और कुछ दोबारा लिखा जाता है — और मूल फ़ाइल को बदलने से पहले यह जान लेना बेहतर है कि क्या-क्या:

आकार का बढ़ना अधिकतर लोगों को चौंका देता है। दस पृष्ठों का जो दस्तावेज़ केवल सिस्टम फ़ॉन्ट इस्तेमाल करता था, वह उन फ़ॉन्ट के भीतर समा जाने पर ध्यान देने लायक बढ़ सकता है। अगर फ़ाइल को अपलोड सीमा में भी आना है, तो पहले उसे कंप्रेस करें — बाद में कंप्रेस करना फ़ाइल दोबारा लिखता है और आम तौर पर वह अनुपालन रद्द कर देता है जिसकी क़ीमत आपने अभी चुकाई थी।

PDF/A होने का दावा और सचमुच होना

यही वह भेद है जो तय करता है कि आपका दाख़िला स्वीकार होगा या नहीं। यह घोषणा कि कोई फ़ाइल, मान लीजिए, PDF/A-2b है, उसी फ़ाइल के XMP मेटाडेटा में रहती है — और उसे वही प्रोग्राम लिखता है जिसने फ़ाइल बनाई। किसी प्रोग्राम को यह दावा लिख देने और फिर नियम तोड़ने वाला दस्तावेज़ निकाल देने से कोई नहीं रोकता।

इसलिए «क्या यह फ़ाइल PDF/A है?» प्रश्न के दो अलग-अलग उत्तर हैं: फ़ाइल अपने बारे में क्या कहती है, और ISO नियमों की स्वतंत्र जाँच क्या पाती है। जो रीडर आपको PDF/A का बैज दिखाता है वह पहला बता रहा है। दाख़िला पोर्टल दूसरा जाँचते हैं।

संदर्भ सत्यापक है veraPDF — निःशुल्क, मुक्त स्रोत, यूरोपीय संघ द्वारा वित्तपोषित कार्यक्रम के तहत विकसित और PDF Association द्वारा समर्थित। यह पूरी अनुरूपता जाँच चलाता है और विफलताओं की सूचना नियम-दर-नियम देता है, दोषी वस्तुओं का नाम लेकर, न कि सिर्फ़ «अमान्य» कहकर। Acrobat का प्रीफ़्लाइट यही काम व्यावसायिक रूप से करता है। अगर कोई रजिस्ट्री, अदालत या नियामक अनुपालन का प्रमाण माँगे, तो किसी व्यूअर के बैज पर भरोसा करने के बजाय फ़ाइल ख़ुद सत्यापित करें।

इसकी ज़रूरत कब सचमुच होती है

PDF/A उतनी स्थितियों में सार्थक नहीं जितनी उसके इर्द-गिर्द का प्रचार सुझाता है; दायरा कहीं संकरा है। जो स्थितियाँ असली हैं उनमें एक साझा सूत्र है: यह दस्तावेज़ आपके अलावा किसी और को तब खोलना पड़ेगा जब उसे बनाने वाला सॉफ़्टवेयर रहेगा ही नहीं।

• अदालतों और नियामकों के यहाँ दाख़िला। कई इलेक्ट्रॉनिक दाख़िला प्रणालियाँ PDF/A अनिवार्य करती हैं या अपने निर्देशों में उसकी सिफ़ारिश करती हैं, और सत्यापन में विफल फ़ाइलें अस्वीकार कर देती हैं।
• संस्थागत अभिलेखागार और अभिलेख प्रतिधारण। राष्ट्रीय और विश्वविद्यालय अभिलेखागार आम तौर पर स्वीकार्य जमा प्रारूप के रूप में PDF/A का कोई भाग और स्तर निर्दिष्ट करते हैं।
• शोध प्रबंध और अकादमिक जमा। विश्वविद्यालय भंडार इस मानक के सबसे नियमित उपयोगकर्ताओं में हैं, क्योंकि वे परिभाषा से ही दस्तावेज़ दीर्घकाल के लिए रखते हैं।
• वैधानिक प्रतिधारण अवधि वाले दस्तावेज़। अनुबंध, अंकेक्षण फ़ाइलें, कर अभिलेख, कार्मिक और चिकित्सा दस्तावेज़ जिन्हें वर्षों तक पठनीय बने रहना क़ानूनन ज़रूरी है, पसंद की वजह से नहीं।
• संकर इलेक्ट्रॉनिक चालान। Factur-X और ZUGFeRD जैसे प्रारूप PDF/A-3 फ़ाइलें हैं जो मनुष्य के पढ़ने योग्य चालान पृष्ठ के भीतर चालान XML भी ढोती हैं — एक ही फ़ाइल, जिसे इंसान और लेखा प्रणाली दोनों पढ़ सकें।
• पेटेंट और मानक संबंधी आवेदन। जो निकाय स्थायी सार्वजनिक अभिलेख रखते हैं, वे प्रायः यह भी बताते हैं कि उन्हें किस प्रारूप में रखेंगे।

अगर कोई अपेक्षा किसी ख़ास क़िस्म का नाम लेती है — सिर्फ़ «PDF/A» नहीं बल्कि PDF/A-1b — तो उसे बाध्यकारी मानें। वैध PDF/A-2b फ़ाइल भी उस प्रणाली द्वारा अस्वीकार कर दी जाएगी जो PDF/A-1b माँगती है, और अस्वीकृति संदेश शायद ही कभी कारण बताता है। 1b, 2b और 3b में से चुनने पर हमारा साथी लेख बताता है कि असल में फ़र्क़ क्या है।

कब नहीं होती

अधिकतर PDF को PDF/A नहीं होना चाहिए, और यह साफ़ कहना ज़रूरी है क्योंकि इस विषय पर लिखा गया बहुत कुछ इसका उल्टा सुझाता है।

• कम उम्र वाले दस्तावेज़। भुगतान के बाद जो चालान आप मिटा देंगे, टिप्पणी के लिए घूमता कोई मसौदा, एक बार पढ़ी जाने वाली रिपोर्ट — इनमें से किसी को सदी बदलने तक टिकने की ज़रूरत नहीं।
• जो कुछ भी अन्तःक्रियात्मक बना रहना चाहिए। स्क्रिप्ट से चलने वाले फ़ॉर्म, एम्बेडेड मीडिया, गणना वाले फ़ील्ड। जिन विशेषताओं से ये चलते हैं, ठीक वही मानक हटा देता है।
• कसी हुई आकार सीमा वाली फ़ाइलें। रूपांतरण फ़ाइल को बड़ा करता है; 10 MB पर अपलोड सीमित करने वाला पोर्टल ज़्यादा कड़ी बाधा हो सकता है।
• डिज़ाइन-प्रधान दस्तावेज़, अगर आपसे PDF/A-1 कहा जा रहा है। पारदर्शिता समतल करने से छायाओं, आभा और ब्लेंड मोड की प्रस्तुति बदल जाती है। PDF/A-2 उन्हें बनाए रखता है।

PDF/A आपसे फ़ाइल का आकार और कुछ सुविधाएँ लेता है, और बदले में दशकों बाद की पठनीयता देता है। जब दशकों बाद उस दस्तावेज़ को कोई पढ़ेगा ही नहीं, तो यह क़ीमत चुकाने का कोई कारण नहीं।

स्कैन किए दस्तावेज़ का जाल

यह वह चूक है जो वर्षों बाद सामने आती है, तब जब उसे सस्ते में ठीक करने का समय कब का बीत चुका होता है। स्कैन किया दस्तावेज़ बड़े आराम से PDF/A में बदल जाता है और बिना किसी शिकायत के सत्यापन पास कर लेता है — क्योंकि स्कैन एक चित्र है, और स्तर b केवल इतना वादा करता है कि वह चित्र आगे भी सही ढंग से दिखता रहेगा।

अभिलेखागार को जो मिलता है वह अनुपालक, स्थायी और पूरी तरह ग़ैर-खोजनीय फ़ाइल है। जमा के वक़्त किसी को पता नहीं चलता। यह तब उभरता है जब किसी को दस साल की फ़ाइलों में से वे सारे अनुबंध ढूँढ़ने हों जिनमें कोई ख़ास धारा आई हो, और उसका एकमात्र तरीक़ा एक-एक फ़ाइल खोलकर पढ़ना हो।

सख़्ती से देखें तो पाठ के बारे में गारंटी स्तर u की बात है, स्तर b की नहीं, और कोई भी कन्वर्टर यह वादा नहीं कर सकता कि स्तर b की फ़ाइल खोजनीय होगी। व्यवहार में, अच्छी OCR परत वाली स्तर b फ़ाइल खोजनीय दस्तावेज़ की तरह ही बरतती है; बिना उस परत वाली फ़ाइल कभी नहीं।

तीन चरणों में PDF को PDF/A बनाएँ

PdfDocShift से रूपांतरण में लगभग आधा मिनट लगता है और न कोई इंस्टॉलेशन चाहिए, न साइन-अप। अपलोड की गई फ़ाइलें दो घंटे बाद हमारे सर्वर से स्थायी रूप से मिटा दी जाती हैं।

कैसे जाँचें कि फ़ाइल वाक़ई PDF/A है

पाँच जाँचें, उसी क्रम में जो समस्याएँ सबसे तेज़ी से पकड़ता है:

1. पढ़ें कि फ़ाइल क्या दावा करती है। Acrobat PDF/A दस्तावेज़ के ऊपर एक मानक पट्टी दिखाता है; दूसरे रीडर दस्तावेज़ गुणों में मानक बताते हैं। यह आपको बताता है कि फ़ाइल अपने बारे में क्या कहती है — यह शुरुआत है, फ़ैसला नहीं।
2. ISO नियमों के सामने सत्यापित करें। veraPDF निःशुल्क और मुक्त स्रोत है, और विफलताओं की सूचना नियम-दर-नियम देता है, दोषी वस्तु का नाम लेकर। दाख़िला पोर्टल भी आपकी जाँच से स्वतंत्र रूप से इसी उत्तर तक पहुँचेगा।
3. जाँचें कि क़िस्म अपेक्षा से मेल खाती है। पूरी तरह वैध PDF/A-2b फ़ाइल भी उस प्रणाली में विफल हो जाती है जो PDF/A-1b माँगती है। सत्यापक बताते हैं कि उन्हें कौन-सा भाग और स्तर मिला, इसलिए उसकी तुलना उससे करें जो आपसे वाक़ई माँगा गया था।
4. फ़ॉन्ट जाँचें। दस्तावेज़ गुण → फ़ॉन्ट। हर प्रविष्टि पर एम्बेडेड या एम्बेडेड सबसेट लिखा होना चाहिए। एक भी ग़ैर-एम्बेडेड फ़ॉन्ट इस बात का सबसे तेज़ संकेत है कि फ़ाइल कभी रूपांतरित हुई ही नहीं।
5. स्रोत दस्तावेज़ संभालकर रखें। रूपांतरण ऊपर बताए तरीक़ों से कुछ न कुछ खो देता है, और वापसी का कोई रास्ता नहीं। वह चीज़ रखें जिससे आप फ़ाइल दोबारा बना सकें: मूल PDF, या उससे भी बेहतर, वह दस्तावेज़ जिससे उसे निर्यात किया गया था।

अभिलेख तैयार करने वाली किसी भी प्रक्रिया में डालने लायक एक आदत: सब कुछ नहीं, एक नमूना सत्यापित करें — लेकिन उसे जमा के ठीक समय पर सत्यापित करें। उसी दिन पकड़ी गई अनुपालन की चूक दो मिनट का सुधार है। वही चूक तीन साल बाद किसी अंकेक्षण में पकड़ी जाए तो एक पूरी परियोजना बन जाती है।

अक्सर पूछे जाने वाले प्रश्न