Een PDF naar PDF/A omzetten (en wat er onderweg sneuvelt)

Ergens tussen een digitaal loket van de rechtbank, het inleveren van een scriptie en een bewaarbeleid vertelt iemand je dat het bestand PDF/A moet zijn. Dat is een PDF die bedoeld is om te overleven dat hij over dertig jaar wordt geopend door software die nog niemand geschreven heeft, wat betekent dat alles wat de pagina nodig heeft om te verschijnen in het bestand zelf moet zitten. De conversie is één stap. Wat die met je document doet, is twee minuten aandacht waard.

Wat de conversie echt verandert

Er veranderen drie dingen, en ze hebben allemaal hetzelfde doel: de afhankelijkheid van het bestand van de machine die het opent doorknippen.

• Alle lettertypen worden ingesloten. Een gewone PDF mag simpelweg Arial noemen en erop vertrouwen dat jouw computer die levert. PDF/A mag dat niet, dus worden de contouren van elke letter in het document gekopieerd. Dat is de belangrijkste reden dat het resultaat groter uitvalt dan het origineel.
• Kleur wordt vastgelegd. Kleuren gaan naar een apparaatonafhankelijke kleurruimte, zodat een bepaald rood absoluut gedefinieerd is in plaats van overgelaten aan wat het scherm of de printer ervan maakt.
• Alles wat buiten het bestand reikt, gaat eruit. JavaScript, ingesloten audio en video, verwijzingen naar andere bestanden op de schijf en versleuteling zijn allemaal verboden door de norm.

De uitvoer is PDF/A-2b. De 2 is de herziening van de ISO-norm en de b is het conformiteitsniveau: basis, wat wil zeggen dat het bestand garandeert er in de toekomst hetzelfde uit te zien. Onthoud dat woord, «uitzien»: het komt verderop terug.

Conformiteit wint van getrouwheid

Komt de converter iets tegen dat PDF/A niet toestaat, dan zijn er twee wegen: de functie behouden en je een bestand geven dat de validatie niet haalt, of hem laten vallen en je er een geven dat hem wel haalt. Hij staat op laten vallen. Je krijgt een bestand dat valideert, en dat is precies waarom iemand om PDF/A vroeg.

Bij de meeste documenten gaat er niets verloren, want de meeste documenten zijn tekst en beeld. Open het resultaat en kijk goed als het jouwe het volgende bevat:

• Formuliervelden met scripts, die niet langer interactief zijn
• Ingesloten media, die worden verwijderd in plaats van omgezet
• Verwijzingen naar begeleidende bestanden naast de PDF, die het niet overleven

PDF's met een wachtwoord zijn een apart geval. De norm verbiedt versleuteling zonder omhaal, dus het bestand moet ontgrendeld worden voordat het überhaupt omgezet kan worden.

Basisconformiteit betekent niet doorzoekbaar

Dit wordt vaak genoeg verkeerd begrepen om het onomwonden te zeggen. PDF/A-2b garandeert dat de pagina er goed uitziet. Over echte tekst achter die pagina zegt het niets.

Haal er een gescand document doorheen en je krijgt een volstrekt geldige archief-PDF waarvan de pagina's nog altijd foto's van papier zijn. Niets laat zich selecteren, niets laat zich zoeken, en een validatieprogramma keurt het vrolijk goed. Als je archief eigenlijk vindbare tekst nodig heeft, laat dan eerst OCR over de scan lopen en zet daarna om, in die volgorde: omzetten naar PDF/A voegt geen tekstlaag toe, en OCR achteraf zou het bestand dat je net conform hebt gemaakt opnieuw wegschrijven.

Veelgestelde vragen

Waarom is mijn PDF/A groter dan het origineel?

Ingesloten lettertypen, vrijwel altijd. Een document dat in twee of drie families gezet is, kan er een paar honderd kilobyte bij krijgen, en een document met een CJK-lettertype meerdere megabytes, omdat de complete tekenset meereist. Dat gewicht is het archief dat zijn werk doet. Achteraf comprimeren kan wel, maar werkt zichzelf tegen: het schrijft het bestand opnieuw weg en je zou opnieuw moeten valideren. Comprimeer dus eerst als het moet, en zet daarna om.

Blijft het PDF/A nadat ik het bewerk?

Ga ervan uit van niet. Een handtekening toevoegen, een formulier invullen of opnieuw opslaan in een editor die PDF/A niet kent, kan stilletjes iets terugbrengen dat de norm verbiedt, terwijl het bestand het etiket PDF/A blijft dragen zonder nog conform te zijn. Behandel de conversie als de laatste stap voor indienen of archiveren, niet als een tussenstation.