Если документы нужно хранить десять или двадцать лет, обычного PDF недостаточно. Обычный PDF может опираться на шрифты, установленные на компьютере, внешние элементы и даже скрипты – через пятнадцать лет всего этого может уже не быть, и документ откроется не таким, каким был. Именно для решения этой проблемы и существует PDF/A.
Что такое PDF/A
PDF/A – это разновидность PDF, стандартизированная для долгосрочного хранения. Суть проста: в документе должно быть всё, что нужно для его отображения. Шрифты встраиваются в файл. Описание цветов встраивается в файл. То, что может измениться или пропасть, – скрипты, аудио- и видеовставки, ссылки на внешние источники – запрещено.
Результат: документ откроется одинаково и сегодня, и через двадцать лет, какой бы программой его ни открывали.
Чем различаются версии PDF/A
В названиях стандарта встречаются цифры и буквы, и это не маркетинг – они означают разные вещи.
- Цифра (1, 2, 3) обозначает поколение стандарта. Более поздние поколения допускают больше: PDF/A-2 – слои и сжатие JPEG 2000, PDF/A-3 – вложения, то есть возможность встроить в документ, например, XML-файл.
- Буква обозначает уровень строгости. b (basic) гарантирует только то, что документ будет выглядеть одинаково. a (accessible) дополнительно требует текстового слоя и структуры документа – чтобы содержимое понимали и программы, а не только человек. u – промежуточный вариант: требуется, чтобы текст можно было извлечь в формате Unicode.
На практике: если нужно, «чтобы просто сохранилось», – достаточно PDF/A-2b. Если в архиве придётся искать, а документы должны читать программы экранного доступа, – выбирайте вариант с буквой «a».
PDF/UA – это не то же самое
Наряду с PDF/A часто упоминают PDF/UA (Universal Accessibility). Он предназначен не для хранения, а для доступности: чтобы документ был доступен для программ экранного доступа, синтезаторов речи и экранных луп. Для госсектора и учебных заведений это всё чаще обязательное требование, а не пожелание.
Важно понимать одну вещь: отсканированный документ без текстового слоя в принципе не может быть доступным. Для программы экранного доступа это пустая картинка. Поэтому путь всегда один и тот же: сначала распознавание текста и только потом сохранение в формате PDF/UA.
Типичные ошибки при архивировании
В архив отправляют скан без распознавания текста. Формально документ сохранён, на практике – в нём невозможно ничего найти. Через пять лет такой архив – это коробка с бумагами, только электронная.
Оставляют метаданные и скрытое содержимое. PDF может нести с собой имя автора, предыдущие редакции, комментарии и данные форм. Прежде чем передавать документ в архив или третьей стороне, всё это стоит удалить – в FineReader есть отдельная функция удаления скрытых данных, которая убирает текстовые слои OCR, комментарии, вложения, закладки, метаданные, ссылки и скрипты.
Путают удаление конфиденциальных данных с их закрытием чёрным прямоугольником. Наложенный чёрный прямоугольник – это просто рисунок поверх текста: текст под ним остаётся, и его несложно извлечь. Настоящее удаление конфиденциальных данных стирает их безвозвратно, включая колонтитулы, комментарии и метаданные. Разница между этими двумя вещами иногда обходится очень дорого.
Архивируют изображения со слишком высоким разрешением. Цветной скан в 600 dpi для архива обычно не нужен и занимает много места. Сжатие MRC позволяет сильно уменьшить размер, сохранив читаемость.
Порядок действий на практике
- Сканируйте с разрешением не ниже 300 dpi.
- Исправьте изображение – перекос, фон, перспективу.
- Распознайте текст, указав правильный язык.
- Просмотрите сомнительные места распознавания.
- Удалите скрытые данные, если документ пойдёт дальше.
- Сохраните в PDF/A – вариант «a», если нужны поиск и доступность.
Если поток документов постоянный, эти шаги можно автоматизировать: указывается отслеживаемая папка, и попавшие в неё файлы обрабатываются по заранее заданным правилам. Эта возможность есть в версии Corporate – различия между версиями смотрите в таблице сравнения.
Лицензии – FineReader PDF Corporate с автоматической обработкой, а также FineReader PDF Standard и FineReader PDF for Mac – вы найдёте в нашем магазине.