Vad är PDF/A och när behöver du det egentligen?

Någon har bett dig om en PDF/A-fil. Kanske en domstols inlämningsportal, kanske en arkivansvarig, kanske ett universitets inlämningssystem — och sannolikt utan att förklara vad skillnaden är eller varför den spelar roll. Det lugnande är att PDF/A inte är ett nytt format du måste lära dig. Det är vanlig PDF där de opålitliga delarna har tagits bort.

Det mindre lugnande är att restriktionerna är tillräckligt stränga för att de flesta PDF-filer som redan är i omlopp inte uppfyller dem. Därför är konvertering ett verkligt bearbetningssteg och inte ett namnbyte.

Vad PDF/A faktiskt är

PDF/A definieras av ISO 19005, först publicerad 2005. Det är ingen egen filtyp: en PDF/A-fil slutar fortfarande på .pdf, öppnas i vilken läsare du än redan har och ser exakt likadan ut som dokumentet den kom från. Det som gör den till PDF/A är att den följer en dokumenterad lista med restriktioner — och i sina egna metadata anger vilken version av listan den följer.

Standarden har utökats fyra gånger, och delarna är inte utbytbara. Var och en skrevs mot sin tids PDF-specifikation:

Vid sidan av delnumret bär varje fil en konformitetsnivå — bokstaven du ser i beteckningar som PDF/A-2b. Bokstaven hör till en helt annan axel än siffran, och att blanda ihop de två är det vanligaste missförståndet kring standarden:

• Nivå b (basic). Filen kommer att återge sitt eget visuella utseende tillförlitligt i framtiden. Det är hela löftet — ingenting garanteras om att extrahera eller söka i texten.
• Nivå u (Unicode). Nivå b, plus att varje tecken på sidan motsvarar ett Unicode-värde, så att text kan extraheras och sökas tillförlitligt. Infördes med PDF/A-2.
• Nivå a (accessible). Nivå u, plus en taggad dokumentstruktur: rubriker, tabeller, läsordning och språk — den information en skärmläsare behöver för att få mening i en sida.

Nästan allt som efterfrågas i praktiken är en fil på nivå b, av ett skäl som tas upp längre ned: nivåerna u och a kräver information som en konverterare inte kan hitta på om källdokumentet aldrig hade den.

Regeln som allt annat följer av

Varje restriktion i ISO 19005 finns för att uppfylla ett enda krav: filen måste innehålla allt den behöver för att visa sig själv, utan beroende av något utanför sig. Inte av ett typsnitt som är installerat på din dator, inte av en färgprofil som din skärm råkar använda, inte av en server som slår upp en länk, och inte av ett lösenord som någon skrev ned 2026.

När du väl accepterar det kravet slutar reglerna se godtyckliga ut och börjar se självklara ut:

• Varje typsnitt måste bäddas in — och bäddas in med en licens som tillåter det. En fil som hänvisar till Helvetica och förväntar sig att läsaren ska tillhandahålla det satsar på en framtida dator.
• Färg måste definieras absolut, genom en inbäddad ICC-utdataprofil i stället för att lämnas åt vad skärmen gör av den. Annars betyder "den här nyansen av rött" ingenting om femtio år.
• Kryptering är förbjuden. En nyckel är ett beroende, och beroenden går förlorade.
• Inget JavaScript, inget inbäddat ljud eller video, inga startåtgärder. Beteende som inte kan garanteras är beteende som inte kan arkiveras.
• Inga hänvisningar till externt innehåll. Allt som visas måste finnas inuti filen.
• Metadata måste finnas som XMP, i dokumenterad, maskinläsbar form — inklusive uppgiften om vilken del och vilken nivå filen gör anspråk på.

Vad konverteringen ändrar i din fil

Konvertering är ingen stämpel på ett oförändrat dokument. Saker läggs till, tas bort och skrivs om, och det är värt att veta vilka innan du ersätter ett original:

Storleksökningen överraskar de flesta. Ett tiosidigt dokument som bara använde systemtypsnitt kan växa märkbart när de typsnitten börjar följa med inuti det. Måste filen dessutom hålla sig under en uppladdningsgräns, komprimera den först — att komprimera efteråt skriver om filen och upphäver i regel den konformitet du just betalat för.

Att påstå sig vara PDF/A och att vara det

Här är skillnaden som avgör om din inlämning godtas. Uppgiften att en fil är exempelvis PDF/A-2b ligger i filens XMP-metadata — och skrivs av det program som skapade filen. Ingenting hindrar ett program från att sätta dit uppgiften och sedan producera ett dokument som bryter mot reglerna.

Frågan "är den här filen PDF/A?" har därför två olika svar: vad filen säger om sig själv, och vad en oberoende kontroll av ISO-reglerna finner. En läsare som visar dig en PDF/A-markering rapporterar det första. Inlämningsportaler kontrollerar det andra.

Referensvalidatorn är veraPDF — kostnadsfri, öppen källkod, utvecklad inom ett EU-finansierat program och med stöd av PDF Association. Den kör den fullständiga konformitetskontrollen och rapporterar fel regel för regel med de skyldiga objekten utpekade, i stället för att bara säga "ogiltig". Acrobats preflight gör samma jobb kommersiellt. Kräver ett register, en domstol eller en tillsynsmyndighet bevis på konformitet, validera filen själv i stället för att lita på markeringen i en visare.

När du verkligen behöver det

PDF/A är värt avvägningen i en snävare uppsättning situationer än marknadsföringen runt omkring antyder. De äkta har en gemensam nämnare: någon annan än du kommer att behöva öppna det här dokumentet efter att programvaran som skapade det är borta.

• Inlämning till domstolar och tillsynsmyndigheter. Många system för elektronisk inlämning kräver PDF/A eller rekommenderar det i sina anvisningar, och avvisar filer som inte klarar valideringen.
• Institutionella arkiv och bevarande. National- och universitetsarkiv anger vanligen en PDF/A-del och -nivå som godtaget leveransformat.
• Avhandlingar och akademisk publicering. Universitetens publikationsdatabaser hör till standardens mest konsekventa användare, eftersom de per definition bevarar dokument långsiktigt.
• Dokument med lagstadgad bevarandetid. Avtal, revisionsunderlag, skattehandlingar, personal- och patientjournaler som måste förbli läsbara i åratal enligt lag och inte av preferens.
• Hybrida elektroniska fakturor. Format som Factur-X och ZUGFeRD är PDF/A-3-filer som bär fakturans XML inuti en fakturasida som människor kan läsa — en enda fil som både en person och ett ekonomisystem kan läsa.
• Patent- och standardiseringsärenden. Organ som för permanenta offentliga register brukar ange i vilket format de tänker föra dem.

Om ett krav namnger en specifik variant — PDF/A-1b i stället för "PDF/A" — behandla det som bindande. En giltig PDF/A-2b-fil avvisas av ett system som kräver PDF/A-1b, och avvisningsmeddelandet förklarar sällan varför. Vår kompletterande artikel om att välja mellan 1b, 2b och 3b går igenom vad som faktiskt skiljer dem åt.

När du inte gör det

De flesta PDF-filer bör inte vara PDF/A, och det förtjänar att sägas rakt ut, eftersom mycket av det som skrivs i ämnet antyder motsatsen.

• Dokument med kort liv. En faktura du raderar efter betalning, ett utkast som cirkulerar för synpunkter, en rapport som läses en gång — inget av dem behöver överleva ett sekelskifte.
• Allt som måste förbli interaktivt. Formulär som drivs av skript, inbäddad media, beräknade fält. Precis de funktioner som får det att fungera är de som standarden tar bort.
• Filer med snäv storleksgräns. Konvertering får en fil att växa; en portal som begränsar uppladdningar till 10 MB kan vara den hårdare restriktionen.
• Designtunga dokument, om du blir tillsagd att använda PDF/A-1. Att platta ut transparens ändrar hur skuggor, sken och blandningslägen återges. PDF/A-2 behåller dem.

PDF/A kostar dig filstorlek och funktioner, och köper dig läsbarhet om flera decennier. När ingen kommer att läsa dokumentet om flera decennier finns det ingen anledning att betala.

Fällan med inskannade dokument

Det här är felet som dyker upp flera år senare, långt efter att någon kunnat åtgärda det billigt. Ett inskannat dokument konverteras till PDF/A alldeles utmärkt och validerar utan en enda anmärkning — eftersom en skanning är en bild, och nivå b lovar bara att bilden fortsatt visas korrekt.

Det arkivet får är en konform, permanent och fullständigt osökbar fil. Vid leveransen märker ingen något. Det visar sig när någon behöver hitta alla avtal som nämner en viss klausul i tio års handlingar, och enda sättet är att öppna dem ett i taget och läsa.

Strikt taget hör en garanti om text till nivå u och inte till nivå b, och ingen konverterare kan lova att en fil på nivå b är sökbar. I praktiken beter sig en nivå b-fil med ett bra OCR-lager som ett sökbart dokument; en utan ett sådant kommer aldrig att göra det.

Konvertera en PDF till PDF/A i tre steg

Att konvertera med PdfDocShift tar ungefär en halv minut och kräver varken installation eller registrering. Uppladdade filer raderas permanent från våra servrar efter två timmar.

Så kontrollerar du att en fil verkligen är PDF/A

Fem kontroller, i den ordning som hittar problem snabbast:

1. Läs vad filen påstår. Acrobat visar en standardrad överst i ett PDF/A-dokument; andra läsare anger standarden i dokumentegenskaperna. Det säger vad filen hävdar om sig själv, vilket är en början och inte en dom.
2. Validera mot ISO-reglerna. veraPDF är gratis, öppen källkod och rapporterar fel regel för regel med det ansvariga objektet utpekat. Det här är svaret en inlämningsportal kommer fram till, oberoende av ditt.
3. Kontrollera att varianten matchar kravet. En fullt giltig PDF/A-2b-fil underkänns av ett system som kräver PDF/A-1b. Validatorer anger vilken del och nivå de hittade, så jämför det med vad du faktiskt blev ombedd att lämna.
4. Kontrollera typsnitten. Dokumentegenskaper → Typsnitt. Varje post bör ange Inbäddat eller Inbäddad delmängd. Ett enda icke inbäddat typsnitt är det snabbaste tecknet på att en fil aldrig konverterades.
5. Behåll källdokumentet. Konverteringen är förlustbringande på de sätt som beskrivs ovan, och det finns ingen backväxel. Behåll det du kan återskapa filen från: den ursprungliga PDF-filen eller, ännu hellre, dokumentet den exporterades ur.

En vana värd att bygga in i varje process som producerar arkivleveranser: validera ett stickprov i stället för allt, men validera det i leveransögonblicket. Ett konformitetsfel som upptäcks samma dag är en tvåminutersåtgärd. Samma fel upptäckt i en revision tre år senare är ett projekt.

Vanliga frågor