Jeigu dokumentus reikia saugoti dešimt ar dvidešimt metų, paprasto PDF neužtenka. Įprastas PDF gali remtis į kompiuteryje įdiegtus šriftus, išorinius elementus ar net scenarijus – po penkiolikos metų to gali nebelikti, ir dokumentas atsidarys ne toks, koks buvo. Būtent šiai problemai skirtas PDF/A.
Kas yra PDF/A
PDF/A yra PDF atmaina, standartizuota ilgalaikiam saugojimui. Esminė mintis paprasta: dokumente turi būti viskas, ko reikia jam atvaizduoti. Šriftai įdedami į failą. Spalvų aprašymas įdedamas į failą. Tai, kas gali pasikeisti ar dingti – scenarijai, garso ir vaizdo įskiepiai, nuorodos į išorinius šaltinius – neleidžiama.
Rezultatas: dokumentas atsidarys vienodai ir šiandien, ir po dvidešimties metų, kad ir kokia programa būtų naudojama.
Kuo skiriasi PDF/A versijos
Standarto pavadinimuose figūruoja skaičiai ir raidės, ir tai ne rinkodara – jos reiškia skirtingus dalykus.
- Skaičius (1, 2, 3) rodo standarto kartą. Vėlesnės kartos leidžia daugiau: PDF/A-2 – sluoksnius ir JPEG 2000 glaudinimą, PDF/A-3 – priedus, tai yra galimybę į dokumentą įdėti, pavyzdžiui, XML failą.
- Raidė rodo griežtumo lygį. b (basic) garantuoja tik tai, kad dokumentas atrodys vienodai. a (accessible) papildomai reikalauja teksto sluoksnio ir dokumento struktūros – kad turinį suprastų ir programos, ne tik žmogus. u yra tarpinis variantas: reikalaujama, kad tekstą būtų galima išgauti Unicode formatu.
Praktikoje: jeigu reikia „kad tiesiog išliktų“ – užtenka PDF/A-2b. Jeigu archyve reikės ieškoti ir dokumentus turi skaityti ekrano skaitytuvai – rinkitės variantą su raide „a“.
PDF/UA – tai ne tas pats
Šalia PDF/A dažnai minimas PDF/UA (universal accessibility). Jis skirtas ne saugojimui, o prieinamumui: kad dokumentą galėtų perskaityti ekrano skaitytuvas, teksto įgarsinimo ar didinimo programa. Viešajam sektoriui ir švietimo įstaigoms tai vis dažniau privaloma, o ne pageidautina.
Svarbu suprasti vieną dalyką: skenuotas dokumentas be teksto sluoksnio prieinamas nėra iš principo. Ekrano skaitytuvui tai tuščias paveikslėlis. Todėl kelias visada toks pat: pirmiausia teksto atpažinimas, tik paskui išsaugojimas PDF/UA formatu.
Tipinės klaidos archyvuojant
Archyvuojamas skenas be atpažinimo. Formaliai dokumentas išsaugotas, praktiškai – jame neįmanoma nieko rasti. Po penkerių metų toks archyvas yra dėžė su popieriais, tik elektroninė.
Paliekami metaduomenys ir paslėptas turinys. PDF gali nešiotis autoriaus vardą, ankstesnes redakcijas, komentarus ir formų duomenis. Prieš perduodant dokumentą į archyvą ar trečiajai šaliai tai verta išvalyti – FineReader turi atskirą paslėptų duomenų šalinimo funkciją, kuri pašalina OCR teksto sluoksnius, komentarus, priedus, žymas, metaduomenis, nuorodas ir scenarijus.
Painiojamas užtušavimas su juodu stačiakampiu. Uždėtas juodas keturkampis yra tiesiog piešinys ant viršaus – tekstas po juo lieka ir nesunkiai išgaunamas. Tikras užtušavimas duomenis pašalina negrįžtamai, įskaitant kolontitulus, komentarus ir metaduomenis. Skirtumas tarp šių dviejų dalykų kartais kainuoja labai brangiai.
Archyvuojama per didelės raiškos vaizdais. 600 dpi spalvotas skenas archyvui paprastai nereikalingas ir užima daug vietos. MRC glaudinimas leidžia smarkiai sumažinti dydį išlaikant skaitomumą.
Praktinė eiga
- Nuskenuokite bent 300 dpi raiška.
- Ištaisykite vaizdą – kreivumą, foną, perspektyvą.
- Atpažinkite tekstą, nurodydami teisingą kalbą.
- Peržiūrėkite abejotinas atpažinimo vietas.
- Pašalinkite paslėptus duomenis, jeigu dokumentas keliaus toliau.
- Išsaugokite PDF/A – „a“ variantą, jeigu reikia paieškos ir prieinamumo.
Jeigu dokumentų srautas nuolatinis, šiuos žingsnius galima automatizuoti: nurodomas stebimas aplankas, ir į jį patekę failai apdorojami pagal iš anksto nustatytas taisykles. Ši galimybė yra Corporate versijoje – skirtumus tarp versijų rasite palyginimo lentelėje.