O que é o PDF/A e quando precisa mesmo dele

Alguém lhe pediu um ficheiro PDF/A. Talvez o portal de submissão de um tribunal, talvez um responsável de arquivo, talvez um sistema de depósito universitário — e provavelmente sem explicar qual é a diferença nem porque importa. A parte tranquilizadora é que o PDF/A não é um formato novo que tenha de aprender. É PDF vulgar sem as partes pouco fiáveis.

A parte menos tranquilizadora é que as restrições são suficientemente rigorosas para que a maioria dos PDF já em circulação não as cumpra. É por isso que a conversão é um verdadeiro passo de processamento e não uma mudança de nome.

O que é realmente o PDF/A

O PDF/A está definido na norma ISO 19005, publicada pela primeira vez em 2005. Não é um tipo de ficheiro à parte: um ficheiro PDF/A continua a terminar em .pdf, abre em qualquer leitor que já tenha e tem exatamente o mesmo aspeto do documento de onde veio. O que o torna PDF/A é cumprir uma lista documentada de restrições — e declarar nos seus próprios metadados que versão dessa lista segue.

A norma foi alargada quatro vezes, e as partes não são intermutáveis. Cada uma foi escrita a partir da especificação de PDF vigente na sua época:

A par do número da parte, cada ficheiro tem um nível de conformidade: a letra que aparece em designações como PDF/A-2b. A letra pertence a um eixo completamente distinto do número, e confundir os dois é o mal-entendido mais frequente acerca da norma:

• Nível b (basic). O ficheiro reproduzirá de forma fiável o seu próprio aspeto visual no futuro. É toda a promessa: nada é garantido quanto a extrair ou pesquisar o texto.
• Nível u (Unicode). O nível b, acrescido da garantia de que cada carácter da página corresponde a um valor Unicode, para que o texto possa ser extraído e pesquisado de forma fiável. Introduzido com o PDF/A-2.
• Nível a (accessible). O nível u, acrescido de uma estrutura de documento com etiquetas: títulos, tabelas, ordem de leitura e idioma — a informação de que um leitor de ecrã precisa para dar sentido a uma página.

Quase tudo o que é pedido na prática é um ficheiro de nível b, por uma razão explicada mais abaixo: os níveis u e a exigem informação que um conversor não consegue inventar se o documento de origem nunca a teve.

A regra de que decorre tudo o resto

Todas as restrições da ISO 19005 servem um único requisito: o ficheiro tem de conter tudo aquilo de que precisa para se apresentar, sem depender de nada que lhe seja externo. Nem de um tipo de letra instalado na sua máquina, nem de um perfil de cor que o seu monitor use por acaso, nem de um servidor que resolva uma ligação, nem de uma palavra-passe que alguém anotou em 2026.

Assim que se aceita esse requisito, as regras deixam de parecer arbitrárias e passam a parecer óbvias:

• Todos os tipos de letra têm de estar incorporados — e incorporados com uma licença que o permita. Um ficheiro que remete para a Helvetica à espera de que o leitor a forneça está a apostar num computador do futuro.
• A cor tem de ser definida de forma absoluta, através de um perfil de saída ICC incorporado, em vez de ficar ao critério do ecrã. Caso contrário, «este tom de vermelho» não significará nada daqui a cinquenta anos.
• A cifragem é proibida. Uma chave é uma dependência, e as dependências perdem-se.
• Sem JavaScript, sem áudio ou vídeo incorporados, sem ações de arranque. Um comportamento que não pode ser garantido é um comportamento que não pode ser arquivado.
• Sem referências a conteúdo externo. Tudo o que é apresentado tem de residir dentro do ficheiro.
• Os metadados têm de estar presentes em XMP, numa forma documentada e legível por máquina — incluindo a declaração da parte e do nível que o ficheiro reivindica.

O que a conversão altera no seu ficheiro

A conversão não é um carimbo aposto a um documento intacto. São acrescentadas, removidas e reescritas coisas, e vale a pena saber quais antes de substituir um original:

O aumento de tamanho apanha quase toda a gente desprevenida. Um documento de dez páginas que só usava tipos de letra do sistema pode crescer de forma sensível quando esses tipos de letra passam a viajar lá dentro. Se o ficheiro também tiver de caber num limite de carregamento, comprima-o primeiro — comprimir depois reescreve o ficheiro e anula, por regra, a conformidade que acabou de conquistar.

Declarar-se PDF/A e sê-lo de facto

Eis a distinção que decide se a sua submissão é aceite. A declaração de que um ficheiro é, digamos, PDF/A-2b reside nos metadados XMP desse ficheiro — e é escrita pelo programa que o produziu. Nada impede um programa de apor essa declaração e depois gerar um documento que viola as regras.

Por isso a pergunta «este ficheiro é PDF/A?» tem duas respostas diferentes: o que o ficheiro diz de si próprio e o que uma verificação independente das regras ISO encontra. Um leitor que lhe mostra um distintivo PDF/A está a comunicar a primeira. Os portais de submissão verificam a segunda.

O validador de referência é o veraPDF — gratuito, de código aberto, desenvolvido no âmbito de um programa financiado pela UE e apoiado pela PDF Association. Executa a verificação de conformidade completa e comunica as falhas regra a regra, identificando os objetos responsáveis em vez de se limitar a dizer «inválido». O preflight do Acrobat faz o mesmo trabalho por via comercial. Se um registo, um tribunal ou um regulador exigir prova de conformidade, valide o ficheiro por si próprio em vez de confiar no distintivo de um visualizador.

Quando precisa mesmo dele

O PDF/A compensa num conjunto de situações mais restrito do que o marketing à sua volta sugere. As genuínas têm um fio comum: alguém que não é você terá de abrir este documento depois de o software que o produziu ter desaparecido.

• Submissões judiciais e a reguladores. Muitos sistemas de submissão eletrónica exigem PDF/A ou recomendam-no nas suas instruções, e rejeitam ficheiros que não passem na validação.
• Arquivos institucionais e conservação documental. Os arquivos nacionais e universitários indicam habitualmente uma parte e um nível de PDF/A como formato de depósito aceite.
• Teses e depósito académico. Os repositórios universitários estão entre os utilizadores mais consistentes da norma, porque conservam documentos a longo prazo por definição.
• Documentos com prazo legal de conservação. Contratos, processos de auditoria, documentação fiscal, de pessoal e clínica que têm de continuar legíveis durante anos por imposição legal e não por preferência.
• Faturas eletrónicas híbridas. Formatos como o Factur-X e o ZUGFeRD são ficheiros PDF/A-3 que transportam XML de faturação dentro de uma página de fatura legível por pessoas — um único ficheiro que tanto uma pessoa como um sistema de contabilidade conseguem ler.
• Submissões de patentes e de normas. As entidades que mantêm registos públicos permanentes tendem a especificar o formato em que os vão conservar.

Se um requisito indicar uma variante concreta — PDF/A-1b em vez de «PDF/A» — trate-a como vinculativa. Um ficheiro PDF/A-2b válido será rejeitado por um sistema que exige PDF/A-1b, e a mensagem de rejeição raramente explica porquê. O nosso artigo complementar sobre como escolher entre 1b, 2b e 3b explica o que difere de facto.

Quando não precisa

A maioria dos PDF não deveria ser PDF/A, e vale a pena dizê-lo com clareza porque boa parte do que se escreve sobre o assunto dá a entender o contrário.

• Documentos de vida curta. Uma fatura que vai apagar depois do pagamento, um rascunho que circula para comentários, um relatório lido uma vez: nenhum precisa de sobreviver a uma mudança de século.
• Tudo o que tem de continuar interativo. Formulários governados por scripts, multimédia incorporada, campos calculados. As funcionalidades que os fazem funcionar são precisamente as que a norma remove.
• Ficheiros com um limite de tamanho apertado. A conversão faz crescer o ficheiro; um portal que limita os carregamentos a 10 MB pode ser a restrição mais dura.
• Documentos com muito grafismo, se lhe estiverem a impor PDF/A-1. Achatar as transparências muda a forma como sombras, brilhos e modos de fusão são apresentados. O PDF/A-2 preserva-os.

O PDF/A custa-lhe tamanho de ficheiro e funcionalidades, e compra-lhe legibilidade daqui a décadas. Quando ninguém vai ler o documento daqui a décadas, não há motivo para pagar.

A armadilha do documento digitalizado

Esta é a falha que aparece anos mais tarde, muito depois de alguém a poder corrigir a baixo custo. Um documento digitalizado converte-se para PDF/A sem qualquer dificuldade e passa na validação sem uma queixa — porque uma digitalização é uma imagem, e o nível b promete apenas que essa imagem continuará a ser apresentada corretamente.

O que o arquivo recebe é um ficheiro conforme, permanente e totalmente impossível de pesquisar. No momento do depósito ninguém repara. Aparece quando alguém precisa de encontrar todos os contratos que mencionam determinada cláusula em dez anos de processos, e a única forma é abri-los um a um e lê-los.

Em rigor, a garantia sobre o texto pertence ao nível u e não ao nível b, e nenhum conversor pode prometer que um ficheiro de nível b seja pesquisável. Na prática, um ficheiro de nível b com uma boa camada de OCR comporta-se como um documento pesquisável; um sem essa camada nunca o será.

Converta um PDF em PDF/A em três passos

Converter com o PdfDocShift demora cerca de meio minuto e não exige instalação nem registo. Os ficheiros carregados são eliminados definitivamente dos nossos servidores ao fim de duas horas.

Como confirmar que um ficheiro é mesmo PDF/A

Cinco verificações, pela ordem que deteta os problemas mais depressa:

1. Leia o que o ficheiro declara. O Acrobat mostra uma barra de norma no topo de um documento PDF/A; outros leitores indicam a norma nas propriedades do documento. Isto diz-lhe o que o ficheiro afirma de si próprio, o que é um começo e não um veredicto.
2. Valide face às regras ISO. O veraPDF é gratuito, de código aberto, e comunica as falhas regra a regra com o objeto responsável identificado. É a resposta a que um portal de submissão vai chegar, independentemente da sua.
3. Confirme que a variante corresponde ao requisito. Um ficheiro PDF/A-2b perfeitamente válido falha num sistema que exige PDF/A-1b. Os validadores indicam a parte e o nível que encontraram, por isso compare-os com o que lhe foi realmente pedido.
4. Verifique os tipos de letra. Propriedades do documento → Tipos de letra. Cada entrada deve dizer Incorporado ou Subconjunto incorporado. Um único tipo de letra não incorporado é o sinal mais rápido de que um ficheiro nunca chegou a ser convertido.
5. Guarde o documento de origem. A conversão tem perdas nos aspetos descritos acima, e não há marcha atrás. Guarde aquilo a partir do qual consegue voltar a gerar o ficheiro: o PDF original ou, melhor ainda, o documento de onde foi exportado.

Um hábito que vale a pena incorporar em qualquer processo que produza arquivos: valide uma amostra em vez de tudo, mas valide-a no momento do depósito. Uma falha de conformidade detetada nesse dia resolve-se em dois minutos. A mesma falha detetada numa auditoria três anos depois é um projeto.

Perguntas frequentes