PDF/A-1b, 2b e 3b qual deve escolher na realidade?

Uma ferramenta de conversão pergunta se quer PDF/A-1b, 2b ou 3b, não oferece qualquer explicação e fica à espera. Se um portal ou uma política de arquivo já indicou uma variante, a escolha está feita e pode parar de ler depois da secção seguinte. Se ninguém disse nada, o instinto habitual é escolher a opção mais rigorosa, partindo do princípio de que mais rigoroso significa mais seguro. Esse instinto está errado, e vale a pena perceber porquê.

As duas coisas que se confundem

«PDF/A-2b» são duas respostas independentes coladas uma à outra, e quase toda a confusão em torno da norma nasce de as ler como uma só.

• O número — 1, 2, 3, 4 — é a parte da ISO 19005 que o ficheiro segue: que edição da norma e, por conseguinte, que funcionalidades de PDF são sequer permitidas.
• A letra — b, u, a — é o nível de conformidade: quanto do significado do documento, para além do seu aspeto, tem de ser preservado.

Portanto, uma pergunta formulada como «PDF/A-1b ou PDF/A-2b?» só está a perguntar pelo número. O b é idêntico em ambos: a mesma promessa, feita sobre um ficheiro construído segundo uma edição diferente das regras. Esclarecido isso, a comparação torna-se pequena e manejável.

O que a «b» promete realmente

O nível b significa básico, e a sua garantia é precisa: o ficheiro reproduzirá de forma fiável o seu próprio aspeto visual, em qualquer leitor conforme, indefinidamente. Os tipos de letra viajam lá dentro, a cor está definida de forma absoluta, nada depende do mundo exterior.

Repare no que não consta dessa promessa. Nada sobre extrair texto. Nada sobre pesquisar. Nada sobre estrutura, ordem de leitura ou sobre um leitor de ecrã compreender a página. Um ficheiro de nível b é um objeto com garantia de aparecer bem — exatamente aquilo a que a maioria dos requisitos arquivísticos aspira, e exatamente a razão pela qual uma página digitalizada passa na validação continuando a ser uma imagem impossível de pesquisar.

O que distingue 1b, 2b e 3b

As três produzem um ficheiro autossuficiente, com tipos de letra incorporados, cor definida, sem cifragem e sem scripts. Essa parte é constante. O que muda é quais funcionalidades de PDF podem sobreviver:

Duas linhas dessa tabela fazem quase todo o trabalho. As transparências são a diferença prática entre 1b e 2b: qualquer sombra suave, brilho ou modo de fusão no seu documento tem de ser achatado para satisfazer o PDF/A-1, o que rasteriza essas zonas e pode alterar o seu aspeto. Os anexos são a única diferença entre 2b e 3b — em tudo o resto, o PDF/A-3 é PDF/A-2.

A linha do tamanho surpreende quem espera que a variante mais rigorosa seja a mais leve. O PDF/A-1 está preso ao PDF 1.4, anterior aos fluxos comprimidos de objetos e de referências cruzadas que as versões posteriores usam para encolher a estrutura interna de um ficheiro. Junte as transparências achatadas e um ficheiro 1b é frequentemente o maior dos três. Se o tamanho importa, comprima antes de converter, nunca depois.

Porque mais rigoroso não é mais seguro

O PDF/A-1 é habitualmente descrito como a escolha mais segura por ser o que menos permite. Vale a pena ser preciso sobre o que «permitir menos» significa na prática: a conformidade obtém-se destruindo as funcionalidades que não são permitidas. Com o PDF/A-1 a transparência não é preservada com mais cuidado — é removida.

O PDF/A-1 foi escrito em 2005 a partir do PDF 1.4, uma especificação de 2001. As suas restrições descrevem o que o PDF conseguia fazer há um quarto de século, não o que é frágil. Transparências e camadas não são menos duradouras do que o resto do PDF; simplesmente não estavam normalizadas quando a parte 1 foi redigida. A parte 2 reviu-as, permitiu-as, e continua a ser uma norma arquivística completa.

Há um argumento honesto a favor do PDF/A-1b para além do cumprimento: é a parte mais antiga e mais amplamente implementada, pelo que um sistema interno antiquíssimo tem uma probabilidade ligeiramente maior de a aceitar. Se estiver a submeter a algo construído em 2008 e não tiver a quem perguntar, essa é uma razão sensata para o escolher. «Pareceu-me mais rigoroso» não é.

O PDF/A-3 e a questão dos anexos

O PDF/A-3 existe para um único propósito: permitir que um PDF arquivístico transporte um ficheiro arbitrário lá dentro. Não outro ficheiro PDF/A, o que o PDF/A-2 já permite — qualquer ficheiro. Uma folha de cálculo, um documento XML, um desenho CAD.

O caso para que foi concebido é a fatura eletrónica híbrida. Formatos como o Factur-X e o ZUGFeRD são ficheiros PDF/A-3: uma página de fatura legível por pessoas para quem tem de a ver, com o XML estruturado da fatura incorporado no mesmo ficheiro para o sistema contabilístico que a tem de processar. Um documento, dois destinatários, sem risco de as duas versões divergirem. À medida que as obrigações de faturação eletrónica estruturada se espalharam pela Europa, esta tornou-se a razão mais comum para converter para 3b.

A fraqueza correspondente é a razão pela qual alguns arquivos recusam por completo o PDF/A-3. Nada no contentor garante seja o que for sobre o conteúdo. Pode incorporar um formato proprietário que nenhum software abrirá daqui a vinte anos, ou uma folha de cálculo cujas fórmulas ninguém conseguirá avaliar, dentro de um ficheiro que valida na perfeição como arquivístico. O PDF é duradouro; o que está lá dentro pode não ser.

Como escolher em menos de um minuto

1. Indicaram-lhe uma variante? Use exatamente essa, letra incluída. Um ficheiro PDF/A-2b válido é recusado por um sistema que pediu PDF/A-1b, e nada mais neste artigo se sobrepõe a um requisito explícito.
2. Precisa de incorporar um ficheiro legível por máquina — XML de fatura, um ficheiro de dados que tenha de viajar com o documento? PDF/A-3b, e só nesse caso.
3. O destino é um sistema antigo, ou uma regra escrita em torno do PDF/A-1? PDF/A-1b, aceitando que as transparências serão achatadas.
4. Tudo o resto? PDF/A-2b. É a opção moderna por omissão, preserva mais do seu documento e é aceite praticamente em todo o lado onde o PDF/A é aceite.

Uma advertência caso mude de ideias mais tarde. Pode converter um ficheiro PDF/A já terminado para outra variante, mas as conversões não são simétricas: passar de 2b para 1b achata as transparências, e voltar de 1b para 2b não as repõe — essa informação foi descartada na primeira conversão. Guarde o documento original, e não apenas a cópia de arquivo, e volte a gerar a partir da origem quando o requisito mudar.

Os níveis que não lhe foram oferecidos

Talvez já tenha visto referências a PDF/A-1a, PDF/A-2u ou PDF/A-2a e se tenha perguntado porque é que os conversores raramente os oferecem. A resposta é um limite genuíno, não uma funcionalidade em falta.

• O nível u exige que cada carácter do ficheiro corresponda a um valor Unicode, para que a extração de texto seja fiável. É alcançável quando a origem tem texto verdadeiro com codificações de tipos de letra corretas; impossível de garantir quando não tem.
• O nível a exige uma estrutura de documento com etiquetas: que texto é um título, que células pertencem a que tabela, por que ordem uma página deve ser lida, em que idioma está. Isso é informação semântica sobre o significado do documento.

Um conversor recebe uma página de glifos posicionados. Consegue ver que certo texto é maior e está mais acima; não consegue saber que isso faz dele um título, nem que uma paginação a duas colunas deve ser lida para baixo e depois para o lado. Consegue adivinhar — e um palpite errado e confiante sobre a ordem de leitura é pior, para quem usa um leitor de ecrã, do que não haver estrutura nenhuma, porque produz um disparate plausível em vez de uma lacuna evidente.

O nível a tem, por isso, de vir da ferramenta de autoria, onde a estrutura ainda existe: exporte um PDF etiquetado a partir do Word, do InDesign ou do LaTeX, ou acrescente as etiquetas à mão num editor de PDF completo. Se um requisito de acessibilidade caiu sobre documentos que só alguma vez foram exportados planos, isso é um problema de produção documental e não uma definição de conversão, e mais vale descobri-lo agora do que depois de converter. Quando formulários e anotações atrapalham uma cópia de arquivo limpa, achatá-los primeiro elimina pelo menos uma variável.

E o PDF/A-4?

A ISO 19005-4 chegou em 2020, reconstruída sobre o PDF 2.0. Reorganiza também a nomenclatura: os níveis a/b/u são retirados e substituídos por uma conformidade base mais o PDF/A-4f para ficheiros com anexos e o PDF/A-4e para documentos de engenharia com conteúdo 3D.

É uma norma sólida com adoção escassa. Os portais de submissão, as políticas de depósito e os prazos de conservação continuam a indicar de forma esmagadora PDF/A-1 ou PDF/A-2, e um requisito escrito em 2019 não se atualiza sozinho. É por isso que o nosso conversor visa as três variantes de nível b. Se alguma vez lhe oferecerem PDF/A-4, confirme que quem recebe o ficheiro declarou aceitá-lo: chegar cedo não é vantagem num formato cujo propósito inteiro é que outra pessoa o consiga abrir.

Converta para a variante de que precisa

A conversão demora cerca de meio minuto, sem instalação e sem registo, e os ficheiros carregados são eliminados definitivamente dos nossos servidores ao fim de duas horas.

Se a própria ideia de PDF/A lhe é nova — para que serve a norma, o que a conversão altera num documento e quando compensa sequer — comece por o que é o PDF/A e quando é preciso usá-lo, que cobre o terreno que este artigo dá por sabido.

Perguntas frequentes