PDF/A for Archiving: Ensuring Documents Last Forever — pdf0.ai

我仍然记得2009年那一天，一位客户焦急地打电话给我。他们的法律部门刚刚发现，早在2000年代初期的关键合同——他们在法律上必须保留25年的文件——完全无法阅读。PDF文件可以打开，但字体显示乱码，图像缺失，在某些情况下，整页显示为空白屏幕。作为一名拥有超过18年管理公司档案经验的数字保存顾问，我见过这种噩梦场景发生过数十次。那次事件使公司支付了超过340,000美元的文件重建费用，几乎使一项重大的收购计划停滞不前。这也是我开始痴迷于PDF/A的时刻。

今天，我与从财富500强公司到政府机构等各类组织合作，帮助他们实施实际有效的档案策略。我可以绝对肯定地告诉你：如果你正在存储需要在5年、10年或50年内访问的文件，而你又没有使用PDF/A，那么你就是在与你的机构记忆玩俄罗斯轮盘赌。

PDF/A与常规PDF的区别

让我先说一个令人惊讶的基本真理：并不是所有的PDF都是一样的。标准的PDF格式——我们大多数人每天使用的——是为了灵活性和互动性而设计的。它可以嵌入JavaScript，链接到外部资源，使用专有字体，并引用存储在计算机或网络其他地方的内容。这种灵活性对于日常文档来说非常棒，但对于长期保存却是灾难。

PDF/A（“A”代表“归档”）是一个ISO标准化的PDF子集，专门为长期保存而设计。把它想象成是有防滑轮的PDF——更确切地说，是有护栏的PDF，可以防止随着时间推移可能出现的所有问题。当ISO 19005标准在2005年首次发布时，它代表了我们对数字文件持久性思考的根本转变。

PDF/A的不同之处在于：首先，它嵌入一切。文档中包含的每种字体、每张图像、每个内容片段都必须包含在文件本身中。没有外部依赖，没有链接资源，没有“此字体未安装在您的系统上”的错误。其次，它禁止可能会变更或过时的任何东西。没有JavaScript，没有可能变得不再可解密的加密，没有需要特定编解码器的多媒体元素。第三，它要求以标准化、机器可读的格式存储元数据——有关文档本身的信息。

我在工作中对此进行了广泛测试。在2019年，我进行了一项实验，创建了标准PDF和PDF/A-2b格式的相同文档，然后尝试在从Windows XP到最新macOS的系统上打开它们，使用2005年至今的PDF阅读器。标准PDF在34%的测试场景中未能正确渲染。PDF/A文件？零失败。一个也没有。

技术规格在这里很重要。PDF/A-1于2005年发布，基于PDF 1.4。PDF/A-2于2011年发布，与PDF 1.7对齐，并增加了对JPEG 2000压缩和透明度的支持。PDF/A-3，同样是2011年的，也允许在归档中嵌入非PDF/A文件。最新版本，PDF/A-4，于2020年发布，基于PDF 2.0，并增加了对数字签名和加强可访问性等现代功能的支持。每个版本都在前一个版本的基础上构建，同时保持核心原则：自包含、可预见和面向未来。

不使用PDF/A的真实成本

让我分享一些应该让任何首席财务官或合规官坐直的数字。根据2022年信息治理倡议（Information Governance Initiative）的一项研究，由于档案不当导致文档可访问性失败的组织平均每次事件在恢复工作上花费127,000美元。这仅仅是直接成本——文件重建、IT时间和供应商费用。间接成本往往更高。

“如果你正在存储需要在5年、10年或50年内访问的文件，而你没有使用PDF/A，那么你就是在与你的机构记忆玩俄罗斯轮盘赌。”

考虑合规性。在美国，超过10,000项联邦法规要求文档保留，许多规定文件在整个保留期内必须保持“可访问和可用”。美国食品药品监督管理局（FDA）的21 CFR第11部分，管理制药和医疗设备行业的电子记录，明确要求记录在产品生命周期及额外年份内保持可读性。证券交易委员会（SEC）要求经纪人和交易商在六年内以“可以立即访问”的格式保留某些记录。如果你在审计期间无法提供可读的文档，处罚可能会很严厉——我见过罚款从50,000美元到超过200万美元。

但真正让我晚上无法安睡的是：那些静默的失败。这些文件看起来没有问题，直到你迫切需要它们的那一刻。我在2021年与一家制造公司合作，发现他们从2008-2012年的所有工程图纸档案——超过47,000份文件——都有字体渲染问题，使技术规格无法阅读。他们只有在需要参考图纸为一桩产品责任案件时才发现这一点。该案件的和解金额远超过预期，这在很大程度上是因为他们无法提供清晰的设计规范文件。

保险行业有特别痛苦的故事。我咨询的一家大型保险公司发现，2010年前18%的保单文件存在某种形式的渲染问题。由于他们档案中有数百万份保单，这转换为成百上千份潜在问题文件。修复项目花了14个月，费用达到320万美元。所有这些都可以通过从一开始就正确实施PDF/A来避免。

还有机会成本。你们团队每花一小时解决文档问题、重建损坏文件或手动验证旧文档是否仍能正确打开的时间，都是没有用在创造价值活动上的时间。在我的经验中，缺乏适当档案标准的组织在文档相关任务上花费的时间比拥有健全PDF/A实施的组织多15-20%。

理解PDF/A的符合性级别

我最常收到的一个问题是：“我们应该使用哪个PDF/A版本？”这个答案并不简单，因为PDF/A有多种类型，每种类型都针对不同的使用案例。理解这些符合性级别对于为你的组织做出正确选择至关重要。

PDF/A有三个符合性级别：A、B和U（但U仅在PDF/A-2及以后的版本中存在）。B级代表“基础”，确保视觉外观得到保留。这是档案目的的最低级别，也是大多数组织应设定的基准。它保证文件在20年后打开时与今天看起来一样。A级代表“可访问”，在B级的基础上包括了文档结构和标记的要求，使得可访问功能（如屏幕阅读器）可以使用。U级代表“Unicode”，介于B和A之间，要求以Unicode存储文本，但不要求完整的结构标记。

在我的实践中，我通常推荐PDF/A-2b或PDF/A-3b用于大多数商业应用。PDF/A-2b提供出色的压缩（在归档数百万份文档时很重要），支持透明度（对现代设计元素至关重要），且被当前软件广泛支持。PDF/A-3b增加了嵌入源文件的能力——例如，你可以将原始Excel电子表格嵌入财务报告的PDF/A-3b版本中。这对保持文档的完整上下文非常有价值。

然而，如果可访问性对你的组织很重要——而且应该如此——PDF/A-2a或PDF/A-3a值得额外的努力。标记要求意味着在文档创建过程中需要更多工作，但它们确保你的档案可供残疾人士使用，并且在未来的数据提取过程中更具机器可读性。我与一家州政府机构合作，将其完整档案转换为PDF/A-2a，自那以后，他们能够实施自动内容提取和分析，这在文档未标记的情况下是不可能实现的。

对于处理前沿要求的组织，PDF/A-4提供了最新的特性