Como converter um PDF para PDF/A (e o que se perde no caminho)

Em algum ponto entre o portal de peticionamento eletrônico de um tribunal, a entrega de uma tese e uma política de guarda de documentos, alguém vai dizer que o arquivo precisa ser PDF/A. É um PDF feito para sobreviver a ser aberto daqui a trinta anos por um programa que ninguém escreveu ainda, o que significa que tudo de que a página precisa para aparecer tem que morar dentro do arquivo. A conversão é um passo só. O que ela faz com o seu documento merece dois minutos de atenção.

O que a conversão muda de fato

Três coisas mudam, e todas perseguem o mesmo objetivo: cortar a dependência do arquivo em relação à máquina que o abre.

• Todas as fontes são incorporadas. Um PDF comum pode simplesmente citar Arial e confiar que o seu computador tenha. O PDF/A não pode, então os contornos de cada glifo são copiados para dentro do documento. É o principal motivo de o resultado ficar maior que o original.
• A cor fica travada. As cores são convertidas para um espaço independente de dispositivo, de modo que um vermelho específico fica definido em termos absolutos, em vez de ficar a critério da tela ou da impressora.
• Tudo que alcança fora do arquivo é removido. JavaScript, áudio e vídeo incorporados, links apontando para outros arquivos no disco e criptografia são proibidos pela norma.

A saída é PDF/A-2b. O 2 é a revisão da norma ISO e o b é o nível de conformidade: básico, ou seja, o arquivo garante que continuará com a mesma aparência no futuro. Guarde esse «aparência», ele reaparece mais abaixo.

Conformidade vence fidelidade

Quando o conversor esbarra em algo que o PDF/A não permite, ele tem duas saídas: manter o recurso e devolver um arquivo que não passa na validação, ou descartar o recurso e devolver um que passa. Ele está configurado para descartar. Você recebe um arquivo que valida, que é justamente o motivo de alguém ter pedido PDF/A.

Na maioria dos documentos nada se perde, porque a maioria é texto e imagem. Abra o resultado e confira os detalhes se o seu tiver:

• Campos de formulário ligados a scripts, que deixam de ser interativos
• Mídia incorporada, que é removida em vez de convertida
• Links para arquivos que acompanham o PDF, que não sobrevivem à conversão

PDFs protegidos por senha são um caso à parte. A norma proíbe criptografia sem meio-termo, então o arquivo precisa ser desbloqueado antes mesmo de poder ser convertido.

Conformidade básica não quer dizer pesquisável

Isso é mal entendido com frequência suficiente para valer a pena dizer sem rodeios. O PDF/A-2b garante que a página vai ficar com a aparência certa. Ele não diz nada sobre haver texto de verdade por trás dela.

Passe um documento digitalizado por aqui e você recebe um PDF de arquivamento perfeitamente válido cujas páginas continuam sendo fotos de papel. Nada é selecionável, nada é pesquisável, e um validador aprova numa boa. Se o que o seu arquivo precisa mesmo é de texto localizável, rode o OCR na digitalização primeiro e converta depois, nessa ordem: converter para PDF/A não cria uma camada de texto, e rodar o OCR depois reescreveria o arquivo que você acabou de deixar em conformidade.

Perguntas frequentes

Por que meu PDF/A ficou maior que o original?

Fontes incorporadas, quase sempre. Um documento composto em duas ou três famílias pode ganhar algumas centenas de kilobytes, e um que use uma fonte CJK pode ganhar vários megabytes, porque o conjunto inteiro de caracteres viaja junto. Esse peso é o arquivamento fazendo o serviço. Comprimir depois é possível, mas se anula: reescreve o arquivo e você teria que validar de novo. Se precisar, comprima antes e converta depois.

Ele continua sendo PDF/A depois que eu editar?

Parta do princípio que não. Acrescentar uma assinatura, preencher um formulário ou salvar de novo num editor que não conhece PDF/A pode reintroduzir em silêncio algo que a norma proíbe, e o arquivo continua com o rótulo PDF/A sem estar mais em conformidade. Trate a conversão como o último passo antes de protocolar ou arquivar, não como uma etapa do meio.