Qué es PDF/A y si lo necesita

Un PDF es un conjunto de instrucciones para dibujar una página, y algunas de esas instrucciones dependen de cosas que no están dentro del archivo. Una fuente instalada en su ordenador. Un perfil de color que aporta su monitor. Un vídeo, una acción de JavaScript, un enlace a un servidor que no existirá dentro de diez años. Abra hoy ese archivo en otra máquina y normalmente se verá bien, porque las piezas que faltan se sustituyen. Ábralo en 2050 y puede que no haya nada con lo que sustituirlas. PDF/A es la respuesta a ese problema: un subconjunto restringido de PDF en el que todo lo necesario para reproducir la página exactamente está dentro del archivo, y todo lo que depende del mundo exterior está prohibido. No es un formato distinto — un archivo PDF/A es un PDF y se abre en cualquier lector — es una promesa sobre lo que el archivo no contiene.

Qué prohíbe la norma

Las reglas se deducen del objetivo. Las fuentes deben incrustarse, todas, sin excepciones para el juego estándar que antes se suponía instalado en los lectores; un documento que se refería a Arial por su nombre y dejaba que el lector encontrara una copia no es archivable, porque dentro de cincuenta años el sustituto del lector puede tener métricas distintas y descolocar las líneas. El cifrado está prohibido, ya que un documento que nadie puede descifrar no está preservado. También lo están JavaScript, el audio y el vídeo incrustados y las acciones que lanzan archivos externos o abren direcciones de red. La transparencia está restringida en las partes antiguas de la norma y permitida en las nuevas. El color debe definirse sin ambigüedad, con un perfil ICC incrustado o en un espacio independiente del dispositivo, para que un rojo concreto sea ese rojo concreto y no lo que decida la impresora. Y todo archivo debe llevar metadatos XMP que identifiquen qué variante de PDF/A afirma ser.

Los niveles: A, B y U

La conformidad tiene niveles, y las letras significan algo distinto de los números de versión. El nivel B, de básico, garantiza la reproducción visual: la página se verá bien para siempre. El nivel A, de accesible, exige además una estructura etiquetada — una descripción legible por máquina de qué texto es un título, cuál un párrafo, cuál una celda de tabla y en qué orden se lee — más asignaciones Unicode para todo el texto. El nivel U está en medio y exige las asignaciones Unicode sin la estructura completa, lo que significa que el texto se puede buscar y extraer de forma fiable aunque el documento no esté totalmente etiquetado. El nivel A es genuinamente difícil de producir a partir de un documento cualquiera porque etiquetar es trabajo editorial real; por eso la mayoría de archivos piden en la práctica el nivel B, y por eso una institución que le pide PDF/A-1a le está pidiendo bastante más que otra que pide PDF/A-1b.

Qué versión usar

PDF/A-1 llegó primero y es la más estricta: sin transparencia, sin capas, sin archivos incrustados. PDF/A-2 relajó todo eso, permitiendo transparencia, capas, imágenes JPEG 2000 y la incrustación de otros archivos PDF/A dentro de un contenedor. PDF/A-3 introdujo un cambio importante al permitir adjuntos arbitrarios de cualquier tipo, que es como funcionan los formatos de facturación electrónica: una página de factura legible por humanos con el archivo de datos legible por máquina adjunto dentro. PDF/A-4, basado en el más reciente PDF 2.0, ordena bastante los niveles. Salvo que el destinatario indique otra cosa, PDF/A-2b es el valor por defecto sensato: lo bastante moderno para no pelearse con la transparencia de su documento, lo bastante estricto para ser un archivo de verdad y universalmente soportado por las herramientas de validación.

Cómo se genera y la trampa de los escaneos

La mayoría de suites ofimáticas exportan directamente a PDF/A, normalmente con una casilla en el diálogo de exportación, y esa es la vía más limpia porque el documento de origen todavía sabe cuáles son sus títulos y sus fuentes. Convertir un PDF existente también es posible con herramientas específicas, que incrustan las fuentes que faltan, convierten colores y eliminan las funciones prohibidas. La trampa son los escaneos. Una página escaneada convertida a PDF/A es perfectamente válida en nivel B: es una imagen, se verá igual para siempre, la norma se cumple. Pero no contiene texto, así que no se puede buscar, y el nivel A queda fuera de alcance sin OCR. Archivar un archivador entero como PDF/A solo de imágenes produce una colección en la que nadie encuentra nada. Si el archivo debe ser utilizable y no solo estar preservado, el OCR pertenece al flujo de trabajo antes de la conversión, y su salida necesita revisión.

Valide, no dé nada por supuesto

Que un archivo se haya exportado con la opción PDF/A marcada no prueba que cumpla, y ahí es donde más rebotan los envíos a revistas, juzgados y archivos públicos. Existen validadores, siendo veraPDF el más conocido de código abierto, y señalan exactamente qué cláusula infringe un archivo. Los fallos frecuentes son aburridos y repetitivos: una fuente que no pudo incrustarse porque su licencia lo prohíbe, un grupo de transparencia perdido en un logotipo, un espacio de color sin perfil, metadatos XMP ausentes o mal formados, o un tipo de anotación que la norma no admite. Cada uno tiene una solución concreta. Pasar el validador antes de enviar convierte un rechazo dentro de varias semanas en cinco minutos ahora.

Cuándo PDF/A es la elección equivocada

Es un formato de archivo, no de trabajo, y usarlo por defecto tiene costes. No se puede cifrar, así que un documento confidencial no puede ser un PDF/A protegido con contraseña: los dos requisitos se excluyen y tendrá que proteger el archivo de otra forma, con permisos de almacenamiento y no desde el documento. Incrustar todas las fuentes agranda los archivos, a veces mucho. Los formularios interactivos y el multimedia son exactamente lo que la norma elimina. La regla honesta es: use PDF/A cuando un documento deba poder leerse mucho después de que el software que lo creó haya desaparecido, o cuando una institución lo exija, y use PDF corriente para todo aquello en lo que todavía está trabajando. Convertir al final, una vez, es mucho más fácil que vivir dentro de las restricciones todo el tiempo.

Dónde encaja la compresión

Archivar y pesar poco están en tensión, y conviene decidir a conciencia qué quiere. La compresión agresiva de imágenes tira información de forma permanente, que es justo lo que un archivo debe evitar, así que una copia de preservación debe comprimirse con mucha moderación o no comprimirse. La disposición práctica son dos archivos: una copia PDF/A fiel en el archivo y un derivado comprimido para el correo y la lectura diaria, regenerado cuando haga falta. El error es quedarse solo con la versión comprimida y llamarla archivo: seguirá abriéndose en 2050, y seguirá faltándole el detalle que tiró usted hoy.