O que é PDF/A, e por que um arquivo público recusa um PDF comum
O que é PDF/A, e por que meu PDF foi recusado?
Salve suas ferramentas favoritas
Crie uma conta grátis no iBuildPDF para guardar suas ferramentas favoritas e encontrá-las rapidamente quando quiser.
Conta grátis. As ferramentas PDF em si nunca precisam de uma.
Resposta curta
PDF/A é o PDF comum com opções retiradas. Tudo cujo sentido possa mudar com o tempo — uma fonte que o arquivo só cita pelo nome, uma cor definida pela tela que você estava usando, criptografia, scripts, um link para um arquivo guardado em outro lugar — é proibido, então o documento precisa ser autossuficiente. Um arquivo público recusa um PDF normal não porque haja algo errado com ele hoje, mas porque não pode garantir que o arquivo vai aparecer do mesmo jeito daqui a trinta anos.
Um PDF que não pode depender de nada
O PDF/A é definido pela ISO 19005, um padrão separado daquele que define o próprio PDF. Ele não acrescenta recursos. Ele remove opções.
PDF/A: um arquivo que não pode depender de nada
- O arquivo. É um PDF comum — qualquer leitor o abre, e nada aqui é um formato novo.
- Tudo de que ele precisa está dentro: os contornos das fontes, um perfil que diz o que as cores significam e metadados que descrevem o documento.
- Nada pode depender de fora. Essa é a regra inteira; o resto do padrão é essa regra aplicada a cada parte do arquivo.
- Então isto é proibido: criptografia, scripts, referências a conteúdo guardado em outro lugar — tudo cujo sentido possa mudar depois de o arquivo ser gravado.
O problema que ele existe para resolver é que um PDF comum é um arquivo mais um conjunto de suposições sobre a máquina que o abre: que a fonte citada está instalada, que este tom de vermelho significa algo mensurável, que a imagem vinculada ainda está no servidor, que o leitor consegue rodar o script. Cada suposição vale até deixar de valer, e o arquivo não avisa quando uma deixa de ser verdadeira — ele simplesmente aparece diferente, e normalmente ninguém percebe em que dia isso começou.
O PDF/A é o mesmo formato com essas suposições proibidas. Tudo de que o documento precisa para se desenhar tem de estar dentro do arquivo.
Duas consequências que vale dizer com clareza. Primeiro, um arquivo PDF/A é um PDF. Não existe leitor de PDF/A nem extensão PDF/A; qualquer ferramenta comum abre um, e na maioria das vezes não dá para saber só de olhar. Segundo, um arquivo não vira PDF/A por ser renomeado, nem por se declarar PDF/A nos metadados. Ou ele cumpre as regras ou não cumpre, e o arquivo público que recusou o seu tem um programa que confere.
O que ele de fato proíbe
As regras são longas, mas quase todas são a mesma regra aplicada a partes diferentes do arquivo.
- Toda fonte precisa estar incorporada — inclusive as catorze que os leitores já tiveram garantidas. Um arquivo que só cita um tipo de letra está apostando em uma máquina que nunca vai conhecer. É o motivo mais comum de um documento ser reprovado na validação, e por que um PDF fica diferente em outro computador mostra o que dá errado quando isso não é feito.
- A cor precisa ser independente do dispositivo. O arquivo tem de levar uma intenção de saída (output intent), ou usar espaços de cor definidos em vez de presumidos, para que uma cor signifique uma cor mensurável, e não “o que este monitor faz”.
- Nenhuma criptografia, de nenhum tipo. Um arquivo público não consegue preservar um arquivo que não consegue abrir, e uma senha é exatamente o tipo de coisa que se perde ao longo de décadas. Veja o que uma senha de PDF realmente protege.
- Nada de scripts, ações de execução ou executáveis incorporados. Um comportamento que depende de rodar código é um comportamento que ninguém pode garantir depois.
- Nada de referências externas. Tudo o que é desenhado na página precisa estar no arquivo. Uma página que puxa uma imagem ou uma fonte de um endereço da web é uma página que um dia vai ficar em branco.
- Os metadados XMP são obrigatórios, e precisam concordar com os campos de informações do documento, e não contradizê-los. O que os metadados de PDF contêm explica os dois registros e por que discordam com tanta frequência.
Algumas regras dependem de qual parte do padrão você segue. Transparência e imagens JPEG 2000 são proibidas no PDF/A-1 e permitidas a partir do PDF/A-2; anexos incorporados são proibidos no PDF/A-1, limitados a outros arquivos PDF/A no PDF/A-2 e liberados no PDF/A-3, e é isso que faz do PDF/A-3 o formato habitual para uma nota fiscal com uma cópia em XML legível por máquina dentro dela.
Uma lacuna, para ser honesto. Um link para um site é permitido — é uma anotação, não um conteúdo de que a página dependa — e ele vai quebrar tão rápido quanto qualquer outro link. O PDF/A preserva a aparência do documento. Ele não preserva a web.
As partes, e a letra que vem depois
Uma declaração de conformidade tem duas metades: qual parte do padrão e qual nível dentro dela. PDF/A-2b significa parte 2, nível b.
As partes acompanham o formato de base. O PDF/A-1 se baseia no PDF 1.4 e é o mais rígido. O PDF/A-2 se baseia na ISO 32000-1 e relaxa as restrições de transparência e JPEG 2000. O PDF/A-3 é o PDF/A-2 com a possibilidade de incorporar arquivos quaisquer. O PDF/A-4 se baseia no PDF 2.0 e reorganiza o esquema — abandona as letras a/u/b e acrescenta um nível de conformidade para modelos 3D interativos de engenharia, o PDF/A-4e.
Nas partes 1 a 3, o nível diz quanto do sentido do documento é preservado, e os níveis são cumulativos.
Os níveis de conformidade são cumulativos
- Nível b — básico. O arquivo vai ter no futuro a mesma aparência que tem hoje. É tudo o que ele promete.
- Nível u — o b, mais cada caractere mapeado para um valor Unicode, para que o texto continue podendo ser pesquisado e copiado.
- Nível a — o u, mais uma árvore de estrutura: títulos, listas, ordem de leitura. O único nível que não se alcança só com uma opção de exportação.
| Nível | O que garante | Quanto custa produzir |
|---|---|---|
| b — básico | O arquivo vai ter no futuro a mesma aparência que tem hoje. | Uma opção de exportação. Possível para quase qualquer documento. |
| u — Unicode | O nível b, mais o mapeamento de cada caractere da página para um valor Unicode, para que o texto continue pesquisável e copiável. | Normalmente também uma opção de exportação, se o aplicativo de origem grava mapas de caracteres corretos. |
| a — acessível | O nível u, mais uma árvore de estrutura: títulos, listas, tabelas, ordem de leitura, idioma. | Trabalho de criação. Não é uma caixinha para marcar. |
O PDF/A-1 só tem os níveis a e b; o nível u foi introduzido com a parte 2.
A maioria das instituições que pedem PDF/A quer PDF/A-1b ou PDF/A-2b, e se ninguém disse qual, é esse o par sobre o qual vale perguntar. O nível a é um trabalho de outra ordem: uma árvore de estrutura de verdade precisa vir de um documento escrito com títulos e listas, e não com negrito e tabulações, e nenhum conversor a inventa de forma confiável. O que torna um PDF acessível explica por quê.
De onde um arquivo PDF/A precisa vir
Da origem. Processadores de texto, programas de diagramação, fluxos de impressão e a maioria dos geradores de relatórios conseguem exportar PDF/A diretamente, e esse é o único caminho que funciona de forma confiável, porque o aplicativo ainda tem à mão as fontes, as informações de cor e a estrutura.
Converter um PDF existente para PDF/A é um trabalho de conserto, e vale saber o que esse conserto envolve antes de confiar no resultado. O conversor precisa encontrar substitutas para fontes que nunca foram incorporadas — o que significa trocar por outra coisa e aceitar que o texto pode se deslocar —, atribuir um perfil de cor que nunca foi escolhido, remover uma criptografia que talvez não consiga remover e tirar a interatividade. Muitas vezes dá certo. Às vezes muda o documento, e as mudanças são do tipo que ninguém confere.
O iBuildPDF não gera PDF/A. Não há aqui nenhuma ferramenta que converta um arquivo para ele, e uma ferramenta de navegador que dissesse fazer isso sem conseguir localizar uma fonte que falta estaria prometendo algo que não pode cumprir. O que este site pode fazer é dizer o que você tem nas mãos antes de você ir atrás de algo que faça:
- Número de páginas e informações do arquivo — os fatos estruturais, incluindo se existe alguma camada de texto.
- O editor de metadados — o que o aplicativo de origem registrou sobre si mesmo, que costuma ser a pista mais rápida de como o arquivo foi feito e, portanto, de onde ele provavelmente vai falhar.
- PDF para texto — um teste aproximado do nível u. Se o texto extraído voltar com caracteres corretos e legíveis, os mapas de caracteres estão lá; se voltar como algo sem sentido, não estão, e o arquivo não consegue chegar ao nível u no estado atual. Por que o texto copiado sai embaralhado explica essa falha.
- Achatar PDF — funde campos de formulário e anotações na página, uma das coisas que uma conversão teria de fazer de qualquer forma.
As quatro rodam no seu navegador. Nenhuma delas deixa um arquivo em conformidade.
Como saber se um arquivo realmente é PDF/A
Um arquivo PDF/A se declara nos metadados XMP, registrando a parte e o nível de conformidade. Os leitores costumam mostrar uma barra no alto da janela dizendo isso.
A declaração é uma afirmação, não uma prova. Qualquer arquivo pode levá-la. Um arquivo também pode ser editado depois de criado, então um documento que estava realmente em conformidade na terça pode não estar na sexta, e continuar se anunciando como se estivesse. O único jeito de saber é rodar um validador, e o arquivo público que recusou o seu rodou um.
O veraPDF é o validador de código aberto, desenvolvido com a PDF Association, e é o que muitas instituições usam elas mesmas. Se o seu arquivo foi recusado, o útil não é pedir uma nova tentativa, e sim o relatório do validador, que diz qual regra falhou. Na prática, a maioria das recusas é uma de três coisas:
- Uma fonte não está incorporada — muitas vezes uma só, muitas vezes em um cabeçalho ou em um número de página que ninguém olhou.
- Não há intenção de saída, então a cor fica indefinida.
- O arquivo está criptografado, às vezes com uma senha de permissões que quem enviou nem sabia que existia.
Por fim, o limite que mais importa e que menos se diz: um arquivo pode passar na validação e ainda assim ser um mau documento de arquivo. Uma digitalização sem camada de texto é um PDF/A-1b perfeitamente válido e vai ser impossível de pesquisar para sempre. A validação confere o recipiente. Se o que há dentro vale a pena guardar, e se alguém vai conseguir encontrá-lo daqui a vinte anos, é outra pergunta, que nenhum padrão responde por você.
Ferramentas que este artigo aborda
Fontes
Documentação primária das afirmações acima.



