PDF/A-1b, 2b en 3b welke moet je nu eigenlijk kiezen?

Een conversietool vraagt of je PDF/A-1b, 2b of 3b wilt, geeft geen uitleg en wacht af. Heeft een portaal of een archiefbeleid al een variant genoemd, dan is de keuze voor je gemaakt en kun je na de volgende paragraaf stoppen met lezen. Heeft niemand iets gezegd, dan is de gebruikelijke reflex om de strengste optie te nemen, in de veronderstelling dat strenger veiliger betekent. Die reflex klopt niet, en het loont te begrijpen waarom.

De twee dingen die door elkaar lopen

"PDF/A-2b" bestaat uit twee onafhankelijke antwoorden die aan elkaar zijn geplakt, en vrijwel alle verwarring rond de norm komt voort uit het lezen ervan als één.

• Het cijfer — 1, 2, 3, 4 — is het deel van ISO 19005 dat het bestand volgt: welke editie van de norm, en dus welke PDF-functies überhaupt zijn toegestaan.
• De letter — b, u, a — is het conformiteitsniveau: hoeveel van de betekenis van het document, voorbij de weergave, bewaard moet blijven.

Een vraag in de vorm "PDF/A-1b of PDF/A-2b?" gaat dus altijd alleen over het cijfer. De b is in beide identiek — dezelfde belofte, gedaan over een bestand dat volgens een andere editie van de regels is gebouwd. Zodra dat helder is, wordt de vergelijking klein en overzichtelijk.

Wat de 'b' feitelijk belooft

Niveau b staat voor basic, en de garantie is precies: het bestand zal zijn eigen visuele weergave betrouwbaar reproduceren, in elke conforme lezer, voor onbepaalde tijd. De lettertypen reizen erin mee, de kleur ligt absoluut vast, niets hangt af van de buitenwereld.

Let op wat er niet in die belofte staat. Niets over het extraheren van tekst. Niets over zoeken. Niets over structuur, leesvolgorde of over een schermlezer die de pagina begrijpt. Een niveau-b-bestand is een object waarvan gegarandeerd is dat het er goed uitziet — precies waar de meeste archiefeisen op mikken, en precies waarom een gescande pagina de validatie haalt en tegelijk een ondoorzoekbare afbeelding blijft.

Wat 1b, 2b en 3b onderscheidt

Alle drie leveren een op zichzelf staand bestand met ingesloten lettertypen, vastgelegde kleur, zonder versleuteling en zonder scripts. Die delen liggen vast. Wat verandert is welke PDF-functies mogen overleven:

Twee rijen uit die tabel doen het meeste werk. Transparantie is het praktische verschil tussen 1b en 2b: elke zachte schaduw, gloed of overvloeimodus in je document moet worden afgevlakt om aan PDF/A-1 te voldoen, wat die gebieden rastert en het uiterlijk ervan kan veranderen. Bijlagen zijn het enige verschil tussen 2b en 3b — in elk ander opzicht is PDF/A-3 gewoon PDF/A-2.

De rij over omvang verrast wie van de strengste variant de slankste verwacht. PDF/A-1 zit vast aan PDF 1.4, dat ouder is dan de gecomprimeerde object- en kruisverwijzingsstreams waarmee latere PDF-versies de interne structuur van een bestand verkleinen. Tel daar afgevlakte transparantie bij op en een 1b-bestand is vaak het grootste van de drie. Telt de omvang, comprimeer dan vóór het converteren, nooit erna.

Waarom strenger niet veiliger is

PDF/A-1 wordt routineus beschreven als de veiligste keuze omdat het het minste toestaat. Het is de moeite waard precies te zijn over wat "het minste toestaan" in de praktijk betekent: conformiteit wordt bereikt door de functies die niet zijn toegestaan te vernietigen. Onder PDF/A-1 wordt transparantie niet zorgvuldiger bewaard — die wordt verwijderd.

PDF/A-1 werd in 2005 geschreven tegen PDF 1.4, een specificatie uit 2001. De beperkingen beschrijven wat PDF een kwart eeuw geleden kon, niet wat kwetsbaar is. Transparantie en lagen zijn niet minder duurzaam dan de rest van PDF; ze waren simpelweg nog niet genormeerd toen deel 1 werd opgesteld. Deel 2 heeft ze opnieuw bekeken, toegestaan, en blijft een volwaardige archiefnorm.

Er bestaat één eerlijk argument voor PDF/A-1b buiten naleving om: het is het oudste en breedst geïmplementeerde deel, dus een stokoud intern systeem accepteert het net iets waarschijnlijker. Lever je aan iets in dat in 2008 is gebouwd en kun je het niemand vragen, dan is dat een redelijke reden. "Het voelde strenger" is dat niet.

PDF/A-3 en de kwestie van bijlagen

PDF/A-3 bestaat voor één doel: een archief-PDF een willekeurig bestand mee laten dragen. Niet nog een PDF/A-bestand, wat PDF/A-2 al toestaat — elk bestand. Een spreadsheet, een XML-document, een CAD-tekening.

Het geval waarvoor het is ontworpen is de hybride elektronische factuur. Formaten als Factur-X en ZUGFeRD zijn PDF/A-3-bestanden: een voor mensen leesbare factuurpagina voor wie ernaar moet kijken, met de gestructureerde factuur-XML ingesloten in datzelfde bestand voor het boekhoudsysteem dat hem moet verwerken. Eén document, twee publieken, geen risico dat de twee versies uit elkaar lopen. Naarmate verplichtingen rond gestructureerde e-facturatie zich over Europa hebben verspreid, is dit de meest voorkomende reden geworden om überhaupt naar 3b te converteren.

De bijbehorende zwakte is de reden dat sommige archieven PDF/A-3 helemaal weigeren. Niets aan de verpakking garandeert iets over de inhoud. Je kunt een propriëtair bestandsformaat dat over twintig jaar geen software meer opent, of een spreadsheet waarvan niemand de formules kan doorrekenen, insluiten in een bestand dat perfect valideert als archiefbestendig. De PDF is duurzaam; wat erin zit misschien niet.

Zo kies je binnen een minuut

1. Is je een variant opgegeven? Gebruik precies die, inclusief de letter. Een geldig PDF/A-2b-bestand wordt geweigerd door een systeem dat om PDF/A-1b vroeg, en niets anders in dit artikel gaat boven een expliciete eis.
2. Moet je een machineleesbaar bestand insluiten — factuur-XML, een gegevensbestand dat met het document mee moet reizen? PDF/A-3b, en alleen dan.
3. Is de bestemming een oud systeem, of een regel geschreven rond PDF/A-1? PDF/A-1b, met de aanvaarding dat transparantie wordt afgevlakt.
4. Al het andere? PDF/A-2b. Het is de moderne standaard, behoudt het meest van je document en wordt vrijwel overal geaccepteerd waar PDF/A wordt geaccepteerd.

Eén waarschuwing voor als je later van gedachten verandert. Je kunt een afgerond PDF/A-bestand naar een andere variant converteren, maar de conversies zijn niet symmetrisch: van 2b naar 1b vlakt transparantie af, en van 1b terug naar 2b herstelt die niet — die informatie is bij de eerste conversie weggegooid. Bewaar het originele document, niet alleen de archiefkopie, en genereer opnieuw vanaf de bron zodra de eis verandert.

De niveaus die je niet werden aangeboden

Je hebt PDF/A-1a, PDF/A-2u of PDF/A-2a misschien voorbij zien komen en je afgevraagd waarom converters ze zelden aanbieden. Het antwoord is een echte grens, geen ontbrekende functie.

• Niveau u vereist dat elk teken in het bestand naar een Unicode-waarde verwijst, zodat tekstextractie betrouwbaar is. Haalbaar wanneer de bron echte tekst met deugdelijke lettertypecoderingen bevat; onmogelijk te garanderen wanneer dat niet zo is.
• Niveau a vereist een getagde documentstructuur: welke tekst een kop is, welke cellen bij welke tabel horen, in welke volgorde een pagina gelezen hoort te worden, in welke taal die is. Dat is semantische informatie over de betekenis van het document.

Een converter krijgt een pagina met geplaatste glyphen. Hij kan zien dat bepaalde tekst groter is en hoger op de pagina staat; hij kan niet weten dat het daarmee een kop is, of dat een tweekolomsopmaak eerst naar beneden en dan opzij gelezen moet worden. Hij kan gokken — en een zelfverzekerde misgok over de leesvolgorde is voor iemand met een schermlezer erger dan helemaal geen structuur, want die levert geloofwaardige onzin op in plaats van een zichtbaar gat.

Niveau a moet daarom uit het auteursprogramma komen, waar de structuur nog bestaat: exporteer een getagde PDF uit Word, InDesign of LaTeX, of voeg de tags met de hand toe in een volwaardige PDF-editor. Is er een toegankelijkheidseis terechtgekomen op documenten die altijd alleen plat zijn geëxporteerd, dan is dat een probleem van documentproductie en geen conversie-instelling — beter nu ontdekt dan na de conversie. Wanneer formulieren en annotaties een schone archiefkopie in de weg zitten, haalt ze eerst afvlakken in elk geval één variabele weg.

En PDF/A-4?

ISO 19005-4 verscheen in 2020, opnieuw opgebouwd op PDF 2.0. Het herschikt ook de naamgeving: de niveaus a/b/u vervallen en worden vervangen door één basisconformiteit plus PDF/A-4f voor bestanden met bijlagen en PDF/A-4e voor technische documenten met 3D-inhoud.

Het is een degelijke norm met dunne adoptie. Indieningsportalen, depotbeleid en bewaartermijnen noemen nog overweldigend PDF/A-1 of PDF/A-2, en een eis die in 2019 is geschreven werkt zichzelf niet bij. Om die reden mikt onze converter op de drie varianten op niveau b. Word je ooit PDF/A-4 aangeboden, controleer dan of degene die het bestand ontvangt heeft gezegd het te accepteren: vroeg zijn is geen voordeel bij een formaat waarvan het hele doel is dat iemand anders het kan openen.

Converteer naar de variant die je nodig hebt

Converteren duurt ongeveer een halve minuut, zonder installatie en zonder registratie, en geüploade bestanden worden na twee uur definitief van onze servers verwijderd.

Is het hele idee van PDF/A nieuw voor je — waar de norm voor dient, wat de conversie in een document verandert en wanneer het überhaupt de moeite waard is — begin dan bij wat PDF/A is en wanneer je het nodig hebt, dat het terrein behandelt waar dit artikel van uitgaat.

Veelgestelde vragen