Convertir PDF a PDF/A

Tres de los cuatro requisitos, y cuál falta

PDF/A es el perfil de archivo, el que pide el sistema de presentaciones de un tribunal, el portal de envíos de una revista o una biblioteca nacional, y lo que exige es que el archivo sea autónomo, para que se vea igual dentro de cincuenta años en programas que todavía nadie ha escrito. En la práctica se reduce a cuatro cosas: un paquete de metadatos XMP que declare el nivel de conformidad que el archivo dice cumplir, una intención de salida que indique en qué espacio de color deben interpretarse sus valores, información del documento que coincida con los metadatos y todas las fuentes usadas incrustadas en el archivo.

Las tres primeras se agregan aquí. El paquete de metadatos se escribe con el nivel de conformidad que elijas; la información del documento se reescribe para que coincida, porque un validador rechaza un archivo cuyo título dice una cosa en dos lugares distintos; y la intención de salida lleva un perfil ICC sRGB auténtico, generado dentro del archivo en lugar de incluirse como un bloque binario: ocupa unos cuatrocientos bytes, tan poco que no hay motivo para descargar uno.

La cuarta no se puede hacer aquí, y esta es la parte honesta. Incrustar una fuente que falta requiere el archivo de la fuente, y el archivo de la fuente es precisamente lo que no está en el documento. Nada en un navegador puede sacarlo de la nada, y sustituirlo por una fuente parecida produciría un archivo que pasa la validación mientras el texto se descoloca, lo cual es peor que fallar. Lo mismo vale para el color: convertir una imagen CMYK a la intención de salida declarada necesita un motor de gestión del color y el perfil de origen. La mayoría de los PDF creados en este siglo con Word, LibreOffice, InDesign o un buen controlador de impresora ya incrustan sus fuentes, y en ese caso lo que se agrega aquí es todo lo que faltaba.

Por eso la forma correcta de describir el resultado es estructura PDF/A, no un archivo PDF/A certificado, una distinción que importa solo porque los portales de envío pasan un validador. Comprueba el tuyo antes de confiar en él. veraPDF es la implementación de referencia que mantiene la PDF Association, es gratuito y te dice exactamente qué cláusula falló en lugar de rechazar el archivo sin explicación.

Si buscas otra cosa

Ghostscript es la herramienta que puede hacer la parte que esta no puede. gs -dPDFA=2 -dBATCH -dNOPAUSE -sColorConversionStrategy=UseDeviceIndependentColor -sDEVICE=pdfwrite -dPDFACompatibilityPolicy=1 -sOutputFile=out.pdf PDFA_def.ps in.pdf reconstruye el documento con un intérprete completo: incrusta las fuentes que faltan tomándolas del sistema, convierte el color con perfiles ICC reales y, cuando no puede cumplir, se niega en lugar de producir en silencio un archivo no válido. Es una operación realmente distinta de agregar los metadatos correctos a un archivo que ya era casi conforme.

Para un documento escaneado, PDF/A también requiere una capa de texto para que sea archivable en cualquier sentido útil, y ocrmypdf --output-type pdfa in.pdf out.pdf hace el OCR y la conversión en un solo paso. Es gratuito y es lo que realmente usan la mayoría de los flujos de trabajo institucionales.