PDF in PDF/A umwandeln

Drei der vier Anforderungen – und welche fehlt

PDF/A ist das Archivprofil – das, was ein System für Einreichungen bei Gericht, ein Einreichungsportal einer Fachzeitschrift oder eine Nationalbibliothek verlangt –, und es fordert, dass die Datei in sich geschlossen ist, damit sie in fünfzig Jahren mit Software, die noch niemand geschrieben hat, identisch dargestellt wird. In der Praxis läuft das auf vier Dinge hinaus: ein XMP-Metadatenpaket, das angibt, welche Konformitätsstufe die Datei beansprucht, einen Output-Intent, der den Farbraum benennt, in dem ihre Zahlenwerte zu interpretieren sind, Dokumentinformationen, die mit den Metadaten übereinstimmen, und jede verwendete Schrift eingebettet in der Datei.

Die ersten drei werden hier ergänzt. Das Metadatenpaket wird mit der gewählten Konformitätsstufe geschrieben; die Dokumentinformationen werden passend dazu neu geschrieben, weil ein Validator eine Datei ablehnt, deren Titel an zwei Stellen Unterschiedliches sagt; und der Output-Intent enthält ein echtes sRGB-ICC-Profil, das in der Datei erzeugt statt als Binärblob mitgeliefert wird – es ist rund vierhundert Byte groß, klein genug, dass es keinen Grund gibt, eines von irgendwoher zu laden.

Das Vierte ist hier nicht machbar, und das ist der ehrliche Teil. Um eine fehlende Schrift einzubetten, braucht man die Schriftdatei – und genau die steckt nicht im Dokument. Nichts in einem Browser kann sie herbeizaubern, und eine ähnlich aussehende Ersatzschrift ergäbe eine Datei, die zwar die Validierung besteht, deren Text aber umbricht – schlimmer als ein Fehlschlag. Dasselbe gilt für Farbe: Ein CMYK-Bild in den angegebenen Output-Intent umzuwandeln, braucht ein Farbmanagementsystem und das Quellprofil. Die meisten PDFs, die in diesem Jahrhundert von Word, LibreOffice, InDesign oder einem ordentlichen Druckertreiber geschrieben wurden, betten ihre Schriften bereits ein – dann ist das, was hier ergänzt wird, alles, was gefehlt hat.

Richtig beschrieben ist das Ergebnis also als PDF/A-Struktur statt als zertifizierte PDF/A-Datei – ein Unterschied, der nur deshalb zählt, weil Einreichungsportale einen Validator laufen lassen. Prüfen Sie Ihre Datei, bevor Sie sich darauf verlassen. veraPDF ist die Referenzimplementierung, die die PDF Association pflegt; sie ist kostenlos und sagt Ihnen genau, welche Klausel nicht erfüllt ist, statt die Datei kommentarlos abzulehnen.

Wenn Sie etwas anderes brauchen

Ghostscript ist das Tool, das den Teil erledigen kann, den dieses nicht kann. gs -dPDFA=2 -dBATCH -dNOPAUSE -sColorConversionStrategy=UseDeviceIndependentColor -sDEVICE=pdfwrite -dPDFACompatibilityPolicy=1 -sOutputFile=out.pdf PDFA_def.ps in.pdf baut das Dokument mit einem vollständigen Interpreter neu auf: Es bettet fehlende Schriften aus dem System ein, wandelt Farben über echte ICC-Profile um und bricht ab, statt stillschweigend eine ungültige Datei zu erzeugen, wenn es die Anforderungen nicht erfüllen kann. Das ist ein grundlegend anderer Vorgang, als einer Datei, die schon fast konform war, die richtigen Metadaten hinzuzufügen.

Bei einem gescannten Dokument verlangt PDF/A außerdem eine Textebene, damit es im eigentlichen Sinn archivierbar ist, und ocrmypdf --output-type pdfa in.pdf out.pdf erledigt OCR und Umwandlung in einem Schritt. Es ist kostenlos und genau das, was die meisten institutionellen Arbeitsabläufe tatsächlich verwenden.