O que é PDF/A e se você precisa dele

Um PDF é um conjunto de instruções para desenhar uma página, e algumas dessas instruções dependem de coisas que não estão dentro do arquivo. Uma fonte instalada no seu computador. Um perfil de cor que o seu monitor fornece. Um vídeo, uma ação de JavaScript, um link para um servidor que não vai existir daqui a dez anos. Abra esse arquivo hoje em outra máquina e normalmente tudo parece certo, porque as peças faltantes são substituídas. Abra em 2050 e talvez não haja nada com que substituir. PDF/A é a resposta a esse problema: um subconjunto restrito de PDF em que tudo o que é necessário para reproduzir a página exatamente está dentro do arquivo, e tudo o que depende do mundo externo é proibido. Não é um formato diferente — um arquivo PDF/A é um PDF e abre em qualquer leitor — é uma promessa sobre o que o arquivo não contém.

O que a norma proíbe

As regras decorrem do objetivo. Fontes precisam ser embutidas, todas elas, sem exceção para o conjunto padrão que antes se supunha presente nos leitores; um documento que se referia à Arial pelo nome e deixava o leitor achar uma cópia não é arquivável, porque daqui a cinquenta anos o substituto do leitor pode ter métricas diferentes e reflurir a linha. Criptografia é proibida, já que um documento que ninguém consegue descriptografar não está preservado. JavaScript também é, assim como áudio e vídeo embutidos e ações que abrem arquivos externos ou endereços de rede. Transparência é restrita nas partes antigas da norma e permitida nas novas. A cor precisa ser definida sem ambiguidade, com um perfil ICC embutido ou num espaço independente de dispositivo, para que um vermelho específico seja aquele vermelho e não o que a impressora decidir. E todo arquivo deve carregar metadados XMP identificando qual variante de PDF/A ele afirma ser.

Os níveis: A, B e U

A conformidade tem níveis, e as letras significam algo diferente dos números de versão. O nível B, de básico, garante a reprodução visual: a página vai parecer certa para sempre. O nível A, de acessível, exige além disso uma estrutura marcada — uma descrição legível por máquina de qual texto é título, qual é parágrafo, qual é célula de tabela e em que ordem se lê — mais mapeamentos Unicode para todo o texto. O nível U fica no meio e exige os mapeamentos Unicode sem a estrutura completa, o que significa que o texto pode ser pesquisado e extraído de forma confiável mesmo sem o documento estar totalmente marcado. O nível A é genuinamente difícil de produzir a partir de um documento qualquer, porque marcar é trabalho editorial de verdade; por isso a maioria dos arquivos pede na prática o nível B, e por isso uma instituição que pede PDF/A-1a está pedindo consideravelmente mais do que outra que pede PDF/A-1b.

Qual versão usar

PDF/A-1 veio primeiro e é a mais rígida: sem transparência, sem camadas, sem arquivos embutidos. PDF/A-2 relaxou isso, permitindo transparência, camadas, imagens JPEG 2000 e a inclusão de outros arquivos PDF/A dentro de um contêiner. PDF/A-3 fez uma mudança significativa ao permitir anexos arbitrários de qualquer tipo, que é como funcionam os formatos de faturamento eletrônico — uma página legível por humanos com o arquivo de dados legível por máquina anexado dentro. PDF/A-4, baseado no mais recente PDF 2.0, arruma bastante os níveis. A menos que o destinatário especifique outra coisa, PDF/A-2b é o padrão sensato: moderno o bastante para não brigar com a transparência do seu documento, rígido o bastante para ser um arquivo de verdade e universalmente suportado pelas ferramentas de validação.

Como gerar e a armadilha dos documentos digitalizados

A maioria das suítes de escritório exporta direto para PDF/A, normalmente com uma caixa de seleção na janela de exportação, e essa é a rota mais limpa porque o documento de origem ainda sabe quais são seus títulos e suas fontes. Converter um PDF existente também é possível com ferramentas dedicadas, que embutem fontes faltantes, convertem cores e removem recursos proibidos. A armadilha são as digitalizações. Uma página digitalizada convertida para PDF/A é perfeitamente válida no nível B — é uma imagem, vai parecer igual para sempre, a norma foi cumprida. Mas ela não contém texto, então não é pesquisável, e o nível A fica fora de alcance sem OCR. Arquivar um armário inteiro como PDF/A só de imagem produz um acervo em que ninguém acha nada. Se o arquivo deve ser utilizável e não apenas preservado, o OCR pertence ao fluxo antes da conversão, e a saída dele precisa ser revisada.

Valide, não presuma

Um arquivo ter sido exportado com a opção PDF/A marcada não prova conformidade, e é aí que envios para revistas, tribunais e arquivos públicos mais são recusados. Existem validadores, sendo o veraPDF o mais conhecido de código aberto, e eles apontam exatamente qual cláusula o arquivo viola. As falhas comuns são chatas e repetitivas: uma fonte que não pôde ser embutida porque a licença proíbe, um grupo de transparência perdido num logotipo, um espaço de cor sem perfil, metadados XMP ausentes ou malformados, ou um tipo de anotação que a norma não permite. Cada uma tem uma correção específica. Rodar o validador antes de enviar transforma uma recusa daqui a semanas em cinco minutos agora.

Quando PDF/A é a escolha errada

É um formato de arquivamento, não de trabalho, e usá-lo por padrão tem custos. Não pode ser criptografado, então um documento confidencial não pode ser um PDF/A protegido por senha — os dois requisitos se excluem e você terá que proteger o arquivo de outra forma, por permissões de armazenamento e não pelo documento. Embutir todas as fontes aumenta os arquivos, às vezes muito. Formulários interativos e multimídia são exatamente o que a norma remove. A regra honesta é: use PDF/A quando um documento precisa ser legível muito depois de o software que o criou ter sumido, ou quando uma instituição exigir, e use PDF comum para tudo em que você ainda está trabalhando. Converter no fim, uma vez, é muito mais fácil do que viver dentro das restrições o tempo todo.

Onde a compressão entra

Ser arquivístico e ser pequeno estão em tensão, e vale decidir de propósito o que você quer. Compressão agressiva de imagem descarta informação permanentemente, que é justamente o que um arquivo deveria evitar, então uma cópia de preservação deve ser comprimida com muita moderação ou não ser comprimida. O arranjo prático são dois arquivos: uma cópia PDF/A fiel no acervo e um derivado comprimido para e-mail e leitura do dia a dia, regenerado quando necessário. O erro é ficar só com a versão comprimida e chamá-la de arquivo — ela ainda vai abrir em 2050, e ainda vai estar sem o detalhe que você jogou fora hoje.