Czym jest PDF/A i kiedy naprawdę jest potrzebny

Ktoś poprosił o plik PDF/A. Może to portal do składania pism w sądzie, może dział archiwum, może uczelniany system depozytowy — i najpewniej bez wyjaśnienia, na czym polega różnica ani dlaczego ma ona znaczenie. Uspokajające jest to, że PDF/A nie jest nowym formatem, którego trzeba się uczyć. To zwykły PDF pozbawiony zawodnych elementów.

Mniej uspokajające jest to, że ograniczenia są na tyle surowe, iż większość PDF-ów będących już w obiegu ich nie spełnia. Dlatego konwersja to realny etap przetwarzania, a nie zmiana nazwy pliku.

Czym PDF/A jest naprawdę

PDF/A definiuje norma ISO 19005, opublikowana po raz pierwszy w 2005 roku. To nie osobny typ pliku: plik PDF/A nadal kończy się rozszerzeniem .pdf, otwiera się w każdym posiadanym już czytniku i wygląda identycznie jak dokument, z którego powstał. PDF/A czyni go to, że przestrzega udokumentowanej listy ograniczeń — i deklaruje we własnych metadanych, którą wersję tej listy realizuje.

Norma była rozszerzana czterokrotnie, a poszczególne części nie są wymienne. Każda powstawała w odniesieniu do specyfikacji PDF obowiązującej w swoim czasie:

Obok numeru części każdy plik ma poziom zgodności — literę widoczną w oznaczeniach takich jak PDF/A-2b. Litera należy do zupełnie innej osi niż cyfra, a mylenie obu jest najczęstszym nieporozumieniem wokół tej normy:

• Poziom b (basic). Plik będzie w przyszłości wiernie odtwarzał własny wygląd. To cała obietnica — nic nie jest gwarantowane w kwestii wydobywania czy przeszukiwania tekstu.
• Poziom u (Unicode). Poziom b wraz z gwarancją, że każdy znak na stronie odpowiada wartości Unicode, dzięki czemu tekst można niezawodnie wydobyć i przeszukać. Wprowadzony wraz z PDF/A-2.
• Poziom a (accessible). Poziom u wraz ze znacznikową strukturą dokumentu: nagłówkami, tabelami, kolejnością czytania i językiem — informacjami, których czytnik ekranu potrzebuje, by zrozumieć stronę.

Niemal wszystko, o co prosi się w praktyce, to plik na poziomie b, z powodu wyjaśnionego niżej: poziomy u i a wymagają informacji, których konwerter nie wymyśli, jeśli dokument źródłowy nigdy ich nie miał.

Zasada, z której wynika cała reszta

Każde ograniczenie w ISO 19005 służy jednemu wymaganiu: plik musi zawierać wszystko, czego potrzebuje, aby się wyświetlić, bez zależności od czegokolwiek z zewnątrz. Ani od czcionki zainstalowanej na komputerze, ani od profilu kolorów, którego akurat używa monitor, ani od serwera rozwiązującego odnośnik, ani od hasła, które ktoś zapisał w 2026 roku.

Gdy przyjmie się to wymaganie, reguły przestają wyglądać na arbitralne i stają się oczywiste:

• Każda czcionka musi być osadzona — i to na licencji, która na to zezwala. Plik odwołujący się do Helvetiki i liczący na to, że czytnik ją dostarczy, obstawia komputer przyszłości.
• Kolor musi być zdefiniowany bezwzględnie, przez osadzony profil wyjściowy ICC, a nie pozostawiony temu, co zrobi z nim ekran. Inaczej „ten odcień czerwieni” za pięćdziesiąt lat nie będzie znaczył nic.
• Szyfrowanie jest zabronione. Klucz to zależność, a zależności się gubią.
• Żadnego JavaScriptu, żadnego osadzonego dźwięku ani wideo, żadnych akcji uruchamiających. Zachowania, którego nie da się zagwarantować, nie da się zarchiwizować.
• Żadnych odwołań do treści zewnętrznych. Wszystko, co jest wyświetlane, musi znajdować się w pliku.
• Metadane muszą występować w formacie XMP, w udokumentowanej, czytelnej maszynowo postaci — łącznie z deklaracją części i poziomu, do których plik się przyznaje.

Co konwersja zmienia w pliku

Konwersja to nie pieczątka przystawiona do niezmienionego dokumentu. Coś zostaje dodane, coś usunięte, a coś zapisane od nowa — i warto wiedzieć co, zanim zastąpi się oryginał:

Wzrost rozmiaru zaskakuje większość osób. Dziesięciostronicowy dokument, który korzystał wyłącznie z czcionek systemowych, potrafi wyraźnie urosnąć, gdy te czcionki zaczynają podróżować w jego wnętrzu. Jeśli plik musi dodatkowo zmieścić się w limicie przesyłania, skompresuj go wcześniej — kompresja po konwersji zapisuje plik od nowa i z reguły unieważnia dopiero co osiągniętą zgodność.

Deklarowanie PDF/A a rzeczywista zgodność

Oto rozróżnienie, które decyduje o przyjęciu przesyłki. Deklaracja, że plik jest na przykład w formacie PDF/A-2b, znajduje się w metadanych XMP tego pliku — i zapisuje ją program, który plik wytworzył. Nic nie stoi na przeszkodzie, by program umieścił taką deklarację, a następnie wygenerował dokument łamiący reguły.

Dlatego pytanie „czy ten plik jest w PDF/A?” ma dwie różne odpowiedzi: to, co plik mówi o sobie, oraz to, co wykaże niezależne sprawdzenie reguł ISO. Czytnik pokazujący plakietkę PDF/A informuje o tym pierwszym. Portale przyjmujące dokumenty sprawdzają to drugie.

Walidatorem odniesienia jest veraPDF — bezpłatny, o otwartym kodzie, rozwijany w ramach programu finansowanego przez UE i wspierany przez PDF Association. Przeprowadza pełne sprawdzenie zgodności i zgłasza uchybienia regułą po regule, wskazując odpowiedzialne obiekty, zamiast poprzestać na komunikacie „nieprawidłowy”. Preflight w Acrobacie wykonuje to samo zadanie komercyjnie. Jeśli rejestr, sąd lub organ nadzoru wymaga dowodu zgodności, zwaliduj plik samodzielnie, zamiast ufać plakietce w przeglądarce.

Kiedy jest naprawdę potrzebny

PDF/A opłaca się w węższym zestawie sytuacji, niż sugeruje otaczający go marketing. Te prawdziwe łączy jedno: ktoś inny niż ty będzie musiał otworzyć ten dokument, gdy oprogramowania, które go wytworzyło, dawno już nie będzie.

• Pisma do sądów i organów regulacyjnych. Wiele systemów składania dokumentów elektronicznych wymaga PDF/A lub zaleca go w instrukcjach, odrzucając pliki, które nie przejdą walidacji.
• Archiwa instytucjonalne i przechowywanie dokumentacji. Archiwa narodowe i uczelniane zwykle wskazują część i poziom PDF/A jako akceptowany format przekazania.
• Rozprawy doktorskie i depozyt akademicki. Repozytoria uczelniane należą do najbardziej konsekwentnych użytkowników normy, bo z definicji przechowują dokumenty długoterminowo.
• Dokumenty z ustawowym okresem przechowywania. Umowy, akta audytowe, dokumentacja podatkowa, kadrowa i medyczna, która musi pozostać czytelna latami z mocy prawa, a nie z preferencji.
• Hybrydowe faktury elektroniczne. Formaty takie jak Factur-X i ZUGFeRD to pliki PDF/A-3, które przenoszą XML faktury wewnątrz czytelnej dla człowieka strony faktury — jeden plik, który potrafi odczytać zarówno człowiek, jak i system księgowy.
• Zgłoszenia patentowe i normalizacyjne. Instytucje prowadzące trwałe rejestry publiczne zwykle określają format, w jakim będą je prowadzić.

Jeśli wymaganie wskazuje konkretny wariant — PDF/A-1b zamiast po prostu „PDF/A” — potraktuj to jako wiążące. Prawidłowy plik PDF/A-2b zostanie odrzucony przez system żądający PDF/A-1b, a komunikat o odrzuceniu rzadko wyjaśnia dlaczego. Nasz uzupełniający artykuł o wyborze między 1b, 2b i 3b pokazuje, co faktycznie je różni.

Kiedy nie jest

Większość PDF-ów nie powinna być plikami PDF/A i warto powiedzieć to wprost, bo znaczna część tekstów na ten temat sugeruje coś przeciwnego.

• Dokumenty o krótkim życiu. Faktura, którą usuniesz po zapłacie, projekt krążący do komentarzy, raport przeczytany raz — żadne z nich nie musi przetrwać zmiany stulecia.
• Wszystko, co ma pozostać interaktywne. Formularze sterowane skryptami, osadzone multimedia, pola obliczeniowe. Funkcje, dzięki którym to działa, to dokładnie te, które norma usuwa.
• Pliki z ciasnym limitem rozmiaru. Konwersja powiększa plik; portal ograniczający przesyłanie do 10 MB bywa twardszym ograniczeniem.
• Dokumenty mocno graficzne, jeśli narzucono PDF/A-1. Spłaszczenie przezroczystości zmienia sposób renderowania cieni, poświat i trybów mieszania. PDF/A-2 je zachowuje.

PDF/A kosztuje rozmiar pliku i funkcje, a kupuje czytelność za dziesiątki lat. Jeśli za dziesiątki lat nikt nie będzie tego dokumentu czytał, nie ma powodu płacić.

Pułapka zeskanowanego dokumentu

To usterka, która ujawnia się po latach, długo po tym, gdy dało się ją jeszcze tanio naprawić. Zeskanowany dokument konwertuje się do PDF/A bez najmniejszego problemu i przechodzi walidację bez jednego zastrzeżenia — bo skan jest obrazem, a poziom b obiecuje jedynie, że ten obraz nadal będzie wyświetlany prawidłowo.

Archiwum otrzymuje plik zgodny, trwały i całkowicie niemożliwy do przeszukania. W chwili przekazania nikt tego nie zauważa. Wychodzi to na jaw, gdy ktoś musi odnaleźć wszystkie umowy wspominające określoną klauzulę w aktach z dziesięciu lat, a jedynym sposobem jest otwieranie ich po kolei i czytanie.

Ściśle rzecz biorąc, gwarancja dotycząca tekstu należy do poziomu u, a nie b, i żaden konwerter nie obieca, że plik na poziomie b będzie przeszukiwalny. W praktyce plik na poziomie b z dobrą warstwą OCR zachowuje się jak dokument przeszukiwalny; plik bez niej nigdy taki nie będzie.

Konwersja PDF do PDF/A w trzech krokach

Konwersja w PdfDocShift zajmuje około pół minuty i nie wymaga instalacji ani rejestracji. Przesłane pliki są trwale usuwane z naszych serwerów po dwóch godzinach.

Jak sprawdzić, czy plik naprawdę jest PDF/A

Pięć sprawdzeń, w kolejności, która najszybciej wychwytuje problemy:

1. Przeczytaj, co plik deklaruje. Acrobat wyświetla nad dokumentem PDF/A pasek informujący o normie; inne czytniki podają normę we właściwościach dokumentu. To mówi, co plik twierdzi o sobie — jest to początek, a nie werdykt.
2. Zwaliduj względem reguł ISO. veraPDF jest bezpłatny, ma otwarty kod i zgłasza uchybienia regułą po regule, wskazując winny obiekt. Do tej właśnie odpowiedzi dojdzie portal przyjmujący dokumenty, niezależnie od twojej.
3. Sprawdź, czy wariant odpowiada wymaganiu. Całkowicie prawidłowy plik PDF/A-2b nie przejdzie w systemie żądającym PDF/A-1b. Walidatory podają znalezioną część i poziom, więc porównaj je z tym, o co faktycznie poproszono.
4. Sprawdź czcionki. Właściwości dokumentu → Czcionki. Przy każdej pozycji powinno widnieć Osadzona lub Osadzony podzbiór. Jedna nieosadzona czcionka to najszybszy sygnał, że plik nigdy nie został skonwertowany.
5. Zachowaj dokument źródłowy. Konwersja jest stratna w opisanych wyżej aspektach i nie ma biegu wstecznego. Zachowaj to, z czego możesz odtworzyć plik: oryginalny PDF, a jeszcze lepiej dokument, z którego go wyeksportowano.

Nawyk wart wpisania w każdy proces wytwarzający archiwa: waliduj próbkę zamiast wszystkiego, ale waliduj ją w momencie przekazania. Uchybienie zgodności wykryte tego dnia to poprawka na dwie minuty. To samo uchybienie wykryte podczas audytu trzy lata później to już projekt.

Najczęściej zadawane pytania