PDF को PDF/A में बदलें

चार में से तीन ज़रूरतें, और कौन-सी एक छूट जाती है

PDF/A आर्काइव वाला प्रोफ़ाइल है — वही जो कोर्ट फ़ाइलिंग सिस्टम, जर्नल सबमिशन पोर्टल या राष्ट्रीय पुस्तकालय मांगते हैं — और इसकी मांग यह है कि फ़ाइल अपने-आप में पूरी हो, ताकि पचास साल बाद ऐसे सॉफ़्टवेयर पर भी बिल्कुल एक जैसी दिखे जो अभी तक किसी ने लिखा ही नहीं। व्यवहार में यह चार चीज़ों पर आकर टिकता है: एक XMP मेटाडेटा पैकेट जो बताए कि फ़ाइल किस अनुरूपता लेवल का दावा करती है, एक आउटपुट इंटेंट जो उस कलर स्पेस का नाम दे जिसमें उसके नंबर पढ़े जाने हैं, डॉक्यूमेंट जानकारी जो मेटाडेटा से मेल खाए, और इस्तेमाल हुआ हर फ़ॉन्ट फ़ाइल में एम्बेड हो।

पहली तीन चीज़ें यहां जोड़ी जाती हैं। मेटाडेटा पैकेट आपके चुने अनुरूपता लेवल के साथ लिखा जाता है; डॉक्यूमेंट जानकारी उससे मेल खाने के लिए दोबारा लिखी जाती है, क्योंकि जिस फ़ाइल का टाइटल दो जगह अलग-अलग हो उसे वैलिडेटर फ़ेल कर देगा; और आउटपुट इंटेंट में एक असली sRGB ICC प्रोफ़ाइल होता है, जो बाइनरी ब्लॉब के रूप में साथ भेजने की जगह फ़ाइल के अंदर ही बनाया जाता है — यह लगभग चार सौ बाइट का होता है, इतना छोटा कि उसे कहीं से मंगाने की कोई वजह नहीं।

चौथी चीज़ यहां नहीं हो सकती, और यही ईमानदार हिस्सा है। गायब फ़ॉन्ट एम्बेड करने के लिए फ़ॉन्ट फ़ाइल चाहिए, और फ़ॉन्ट फ़ाइल ही वह चीज़ है जो डॉक्यूमेंट में नहीं है। ब्राउज़र में कुछ भी उसे पैदा नहीं कर सकता, और मिलता-जुलता फ़ॉन्ट लगाने से ऐसी फ़ाइल बनेगी जो वैलिडेट तो हो जाए पर जिसका टेक्स्ट खिसक जाए — जो फ़ेल होने से भी बुरा है। रंग पर भी यही लागू होता है: CMYK इमेज को घोषित आउटपुट इंटेंट में बदलने के लिए कलर मैनेजमेंट इंजन और सोर्स प्रोफ़ाइल चाहिए। इस सदी में Word, LibreOffice, InDesign या किसी अच्छे प्रिंटर ड्राइवर से बनी ज़्यादातर PDF अपने फ़ॉन्ट पहले से एम्बेड करती हैं, और ऐसे में जो यहां जोड़ा जाता है, बस उतना ही गायब था।

इसलिए नतीजे को बताने का सही तरीक़ा है सर्टिफ़ाइड PDF/A फ़ाइल नहीं, बल्कि PDF/A संरचना — यह फ़र्क़ सिर्फ़ इसलिए मायने रखता है क्योंकि सबमिशन पोर्टल वैलिडेटर चलाते हैं। भरोसा करने से पहले अपनी फ़ाइल जांच लें। veraPDF वह रेफ़रेंस इम्प्लीमेंटेशन है जिसे PDF Association संभालता है, यह मुफ़्त है, और बिना कोई वजह बताए फ़ाइल रिजेक्ट करने की जगह यह ठीक-ठीक बताता है कि कौन-सा नियम फ़ेल हुआ।

जब आपको कुछ और चाहिए

Ghostscript वह टूल है जो वह हिस्सा कर सकता है जो यह नहीं कर सकता। gs -dPDFA=2 -dBATCH -dNOPAUSE -sColorConversionStrategy=UseDeviceIndependentColor -sDEVICE=pdfwrite -dPDFACompatibilityPolicy=1 -sOutputFile=out.pdf PDFA_def.ps in.pdf पूरे इंटरप्रेटर से डॉक्यूमेंट को दोबारा बनाता है: जहां फ़ॉन्ट गायब हों वहां सिस्टम से एम्बेड करता है, असली ICC प्रोफ़ाइल से रंग बदलता है, और जब अनुरूप नहीं बना पाता तो चुपचाप अमान्य फ़ाइल बनाने की जगह मना कर देता है। यह पहले से लगभग अनुरूप फ़ाइल में सही मेटाडेटा जोड़ने से सचमुच अलग काम है।

स्कैन किए गए डॉक्यूमेंट को सही मायने में आर्काइव लायक बनाने के लिए PDF/A को टेक्स्ट लेयर भी चाहिए, और ocrmypdf --output-type pdfa in.pdf out.pdf OCR और कन्वर्ज़न दोनों एक ही बार में करता है। यह मुफ़्त है, और ज़्यादातर संस्थानों के वर्कफ़्लो असल में यही चलाते हैं।