什么是 PDF/A 你到底什么时候需要它？

有人向你要一份 PDF/A 文件。可能是某家法院的递交门户，可能是档案管理员，可能是大学的提交系统——而且多半没有解释区别是什么、为什么重要。让人安心的一点是：PDF/A 不是一种你必须学习的新格式。它就是去掉了不可靠部分的普通 PDF。

不那么让人安心的一点是：这些限制足够严格，以至于目前流通的大多数 PDF 都不满足。这正是转换属于一个真实处理步骤、而不是改个文件名的原因。

PDF/A 究竟是什么

PDF/A 由 ISO 19005 标准定义，首次发布于 2005 年。它并不是一种独立的文件类型：PDF/A 文件的扩展名仍是 .pdf，能在你现有的任何阅读器里打开，看上去和它的来源文档一模一样。让它成为 PDF/A 的，是它遵守一份成文的限制清单——并在自身的元数据里声明它遵循的是该清单的哪一版。

这项标准经过四次扩充，各部分之间并不能互换。每一部分都是针对其所处年代的 PDF 规范写成的：

除了部分编号，每个文件还带有一个符合级别——也就是你在 PDF/A-2b 这类名称里看到的那个字母。字母和数字属于完全不同的两个维度，把两者混为一谈是关于这项标准最常见的误解：

• b 级（basic，基本）。文件将来能可靠地重现自己的视觉外观。承诺仅止于此——关于提取文字或搜索文字，它什么也不保证。
• u 级（Unicode）。在 b 级之上，要求页面上每个字符都映射到一个 Unicode 值，使文字可以被可靠地提取和搜索。随 PDF/A-2 引入。
• a 级（accessible，无障碍）。在 u 级之上，要求带标记的文档结构：标题、表格、阅读顺序和语言——也就是屏幕阅读器读懂一个页面所需要的信息。

实践中人们索要的几乎都是 b 级文件，原因下文会讲：u 级和 a 级需要的信息，如果源文档从来就没有，转换器也变不出来。

其余规则都由它推导而来的那一条

ISO 19005 里的每一条限制，都服务于同一个要求：文件必须包含显示自身所需的一切，不依赖它之外的任何东西。不依赖你机器上装的某个字体，不依赖你显示器碰巧用着的某个色彩配置文件，不依赖某台负责解析链接的服务器，也不依赖某人在 2026 年记下的一个密码。

一旦接受这个要求，那些规则就不再显得武断，反而显得理所当然：

• 每个字体都必须嵌入——而且要以允许嵌入的授权嵌入。一个引用 Helvetica、指望阅读器自己提供字体的文件，等于在拿未来的某台电脑打赌。
• 颜色必须被绝对地定义，通过嵌入的 ICC 输出意图，而不是交给屏幕自行解释。否则「这个红色」在五十年后将毫无意义。
• 禁止加密。密钥是一种依赖，而依赖终会丢失。
• 不得有 JavaScript，不得嵌入音频或视频，不得有启动动作。无法保证还能运行的行为，就是无法归档的行为。
• 不得引用外部内容。凡是显示出来的东西，都必须存在于文件内部。
• 元数据必须以 XMP 形式存在，采用有文档记载、机器可读的格式——其中也包括文件声称符合哪一部分、哪一级别。

转换会改动文件的哪些地方

转换不是往一份原封不动的文档上盖个章。有东西被加入，有东西被删除，也有东西被重写；在用它替换原件之前，值得知道都有哪些：

体积变大这一点让大多数人措手不及。一份只用了系统字体的十页文档，等这些字体开始随文件一起走，体积可能明显增长。如果该文件还得满足上传大小限制，请先压缩再转换——转换之后再压缩会重写文件，通常会让你刚刚换来的符合性作废。

声称是 PDF/A 与真的合规

下面这个区别，决定了你提交的文件会不会被接收。声明某个文件是（比如）PDF/A-2b 的那句话，就存在该文件的 XMP 元数据里——而写下它的，是生成该文件的那个程序。没有任何机制能阻止一个程序先盖上这个声明，再输出一份违反规则的文档。

所以「这个文件是不是 PDF/A？」有两个不同的答案：文件自称是什么，以及独立按 ISO 规则检查后查出是什么。给你显示 PDF/A 标记的阅读器，报告的是前者。递交门户核查的是后者。

参考校验器是 veraPDF——免费、开源，在欧盟资助的项目中开发，并由 PDF Association 支持。它执行完整的符合性检查，并逐条规则报告失败项，指名道姓地列出出问题的对象，而不是只丢下一句「无效」。Acrobat 的印前检查以商业方式做同样的事。如果某个登记机构、法院或监管方要求提供符合性证明，请自行校验文件，而不要相信阅读器里的那个标记。

什么时候真的需要它

PDF/A 值得这笔交换的场景，比围绕它的宣传所暗示的要窄。真正成立的那些场景有一条共同线索：在生成这份文档的软件消失之后，需要打开它的人不是你。

• 向法院和监管机构递交。许多电子递交系统要求使用 PDF/A，或在其指引中建议使用，并会拒收通不过校验的文件。
• 机构档案与文件留存。国家档案馆和大学档案馆通常会指定某个 PDF/A 部分和级别作为接收的移交格式。
• 学位论文与学术提交。大学机构知识库是这项标准最稳定的使用者之一，因为它们按定义就是要长期保存文档。
• 有法定留存期限的文档。合同、审计档案、税务记录、人事与医疗档案——这些依法必须多年保持可读，而不是出于偏好。
• 混合式电子发票。Factur-X、ZUGFeRD 这类格式就是 PDF/A-3 文件：在人能阅读的发票页面内部，同时携带发票 XML——一个文件，人和记账系统都能读。
• 专利与标准类申报。维护永久性公共记录的机构，往往会规定自己将以何种格式保存这些记录。

如果要求点名了某个具体版本——是 PDF/A-1b 而不是笼统的「PDF/A」——就把它当作硬性规定。一个完全有效的 PDF/A-2b 文件，会被要求 PDF/A-1b 的系统拒收，而拒收提示很少说明原因。我们的配套文章《1b、2b 与 3b 该怎么选》讲清了它们之间真正的差别。

什么时候不需要

大多数 PDF 都不该是 PDF/A，这话值得直说，因为这个话题下的很多文章暗示的恰恰相反。

• 生命周期很短的文档。付款后就删掉的发票、发出去征求意见的草稿、只会被读一次的报告——它们都不需要熬过一个世纪的更替。
• 必须保持交互的东西。由脚本驱动的表单、嵌入的媒体、带计算的字段。让这些功能得以运转的特性，恰恰就是标准要删掉的那些。
• 受严格体积限制的文件。转换会让文件变大；一个把上传限制在 10 MB 的门户，可能才是更硬的约束。
• 设计元素繁重的文档，如果对方要求你用 PDF/A-1。拼合透明会改变阴影、发光和混合模式的呈现效果。PDF/A-2 则会保留它们。

PDF/A 让你付出的是文件体积和功能，换回的是几十年后仍能阅读。既然几十年后没人会读这份文档，那就没有理由付这笔钱。

扫描件的陷阱

这是那种多年后才浮现的失误——等它浮现时，早已过了还能低成本补救的时候。扫描件转成 PDF/A 毫无阻碍，校验时也不会有一句抱怨——因为扫描件是一张图像，而 b 级承诺的仅仅是这张图像今后仍能正确显示。

档案馆收到的，是一个合规、永久、且完全无法检索的文件。移交当时没有人会察觉。它会在有人需要从十年的卷宗里找出所有提到某一条款的合同、而唯一办法是一份份打开来读的时候浮出水面。

严格来说，关于文字的保证属于 u 级而非 b 级，任何转换器都无法承诺一个 b 级文件是可检索的。但在实际使用中，带有良好 OCR 文字层的 b 级文件表现得就像一份可检索的文档；没有这层文字的，则永远不会。

三步把 PDF 转成 PDF/A

用 PdfDocShift 转换大约需要半分钟，无需安装，也无需注册。上传的文件会在两小时后从我们的服务器上永久删除。

如何确认一个文件真的是 PDF/A

五项检查，按最快发现问题的顺序排列：

1. 读一读文件自己怎么声称。Acrobat 会在 PDF/A 文档顶部显示一条标准提示栏；其他阅读器会在文档属性里列出标准。这告诉你的是文件对自己的说法——那是个开头，而不是结论。
2. 按 ISO 规则做校验。veraPDF 免费、开源，逐条规则报告失败项并指出责任对象。递交门户也会独立地得出这个答案，与你的判断无关。
3. 核对版本是否与要求一致。一个完全有效的 PDF/A-2b 文件，在要求 PDF/A-1b 的系统里照样通不过。校验器会报告它检测到的部分和级别，请拿它和对方真正要求的东西做比对。
4. 检查字体。文档属性 → 字体。每一项都应显示已嵌入或已嵌入子集。哪怕只有一个未嵌入的字体，也是判断文件根本没被转换过的最快信号。
5. 保留源文档。转换在上文所述的那些方面是有损的，而且没有倒挡。请保留你能据以重新生成该文件的东西：原始 PDF，或者更好的——导出它的那份文档。

任何会产出归档件的流程都值得养成一个习惯：抽样校验而非全量校验，但要在移交的当下校验。当天发现的符合性问题，是两分钟的修改；同样的问题三年后在审计中被发现，就是一个项目。

常见问题