Когда (не) нужно мигрировать с формата PDF на PDF/A

Заметка специалиста Королевской Библиотеки Голландии (Koninklijke Bibliotheek) по электронной сохранности Йохана ван дер Книйфа (Johan van der Knijff) была опубликована 27 августа 2014 года на сайте фонда «Открытые планеты» (Open Planets Foundation).

Хорошо известно, что PDF-документы могут содержать элементы и механизмы, чреватые рисками при обеспечения долговременной сохранности (на эту тему см., например, https://web.archive.org/web/20130515073645/http://libraries.stackexchange.com/questions/964/what-preservation-risks-are-associated-with-the-pdf-file-format и http://wiki.opf-labs.org/display/TR/Portable+Document+Format ). Миграцию существующих PDF-файлов в формат PDF/A иногда продвигают в качестве стратегии смягчения этих рисков. Преимущества такого подхода, однако, часто весьма сомнительны, и процесс миграции сам по себе может быть довольно рискованной операцией. Поскольку мне часто задают вопросы по этой теме, я подумал, что имеет смысл коротко изложить свою позицию.

PDF/A – это профиль

Во-первых, важно подчеркнуть, что каждый из стандартов формата PDF/A (A-1, A-2 и A-3) на самом деле всего лишь профиль (вариант) использования «полного» формата PDF. Если говорить более подробно, то PDF/A-1 представляет собой подмножество формата PDF версии 1.4, в то время, как PDF/A-2 и PDF/A-3 основаны на версии формата PDF 1.7, зафиксированной в стандарте ISO 32000. Общим у этих профилей является то, что они запрещают некоторые функциональные возможности (например, мультимедийные элементы, шифрование, интерактивный контент), допускаемые в «обычном» формате PDF. Кроме того, они сужают выбор способов реализации ряда других функциональных возможностей - например, требуя, чтобы все шрифты были встроенными (embedded). Это иллюстрирует приведенная ниже диаграмма, показывающая соотношение наборов функциональных возможностей упомянутых разновидностей формата PDF.

Видно, что формат PDF/A-1 является подмножеством формата PDF 1.4, который, в свою очередь, является подмножеством PDF 1.7. Форматы PDF A/2 и PDF A/3 (показанные вместе, чтобы не усложнять диаграмму) представляют собой подмножества формата PDF 1.7 и включают все функциональные возможности формата PDF A/1.

Имея это в виду, нетрудно увидеть, что миграция произвольного PDF-файла в формат PDF/A легко может привести к проблемам.

Потери и изменения в процессе миграции

Предположим, что у нас имеется PDF-файл, содержащий видеоклип. Такая возможность запрещена в PDF/A, поэтому миграция в PDF/A просто приведет к потере мультимедийного контента. Ещё одним примером могут служить шрифты: в PDF/A документе все шрифты должен быть встроенными. Но что произойдёт в случае, если в исходном PDF-файле используются внешние (невстроенные) шрифты, недоступные на том компьютере, на котором выполняется миграция? Прекратит ли инструмент миграции обработку файла с выдачей предупреждения, или же молча будет использовать какой-то альтернативный (возможно, аналогичный по параметрам) шрифт? Как это проверить?

Сложность структуры и последствия имеющихся ошибок

Кроме того, такого рода миграции, как правило, включают полную повторную обработку внутренней структуры PDF-файла. Сложность данного формата означает наличие большого потенциала для того, чтобы в ходе процесса миграции что-то пошло не так – особенно в случае, когда исходный PDF-файл содержит неочевидные ошибки, и в этом случае риск потери информации вполне реален (даже если исходный документ прекрасно отображается программой просмотра). Так как у нас практически нет инструментов для обнаружения подобных ошибок (т.е. нет достаточно надежных программ, проверяющих структуру PDF-файлов), то обработка таких ситуаций может оказаться непростым делом. Некоторые дополнительные соображения можно найти в публикации по адресу http://web.archive.org/web/20130605142355/http://libraries.stackexchange.com/questions/1117/converting-invalid-pdfs-or-not-for-digital-preservation  (контекст там несколько отличается, но риски похожи).

Оцифрованные и изначально-электронные документы

Ещё одним фактором, который в ряде случаев потребуется принять во внимание, является происхождение исходных PDF-файлов. Если PDF-файлы были первоначально созданы в рамках проекта оцифровки (например, отсканированные книги), то такие PDF-файлы, как правило, не более чем оболочка для набора графических образов, возможно, дополненного слоем распознанного текста. Миграция таких PDF-файлов в формат PDF/A довольно проста, так как исходные файлы вряд ли будут содержать какие-либо объекты, использование которых не разрешено в PDF/A. Одновременно это также означает и ограниченность отдачи от миграции таких файлов в формат PDF/A, так как исходные PDF-файлы изначально не были проблемными!

Потенциальные преимущества формата PDF/A может быть более очевидными в отношении многих видов изначально-электронного контента. В то же время, по причинам, перечисленным в предыдущем разделе, миграция в этом случае является более сложным делом, и есть масса всего другого, что может пойти не так (некоторые дополнительные соображения см. также здесь: http://qanda.digipres.org/19/what-are-the-benefits-and-risks-of-using-the-pdf-a-file-format?show=21#a21 ).

Выводы

Хотя идея миграции PDF-документов в формат PDF/A может казаться чрезвычайно привлекательной, делать это на практике на самом деле довольно рискованно, и такая миграция легко может привести к непреднамеренной потере данных. Более того, риски возрастают с увеличением числа недружественных в плане электронной сохранности особенностей, и это означает, что миграцию, скорее всего, успешно пройдут те исходные PDF-файлы, с которыми с самого начала не было проблем – и это ставит под сомнение саму цель преобразования в формат PDF/A. В конкретных случаях миграция в PDF/A может оказаться разумным подходом, но при этом ожидаемую отдачу следует тщательно сопоставить с рисками. В отсутствие стабильных, общепринятых инструментов для оценки качества PDF-файлов (как исходных, так и полученных в результате миграции), также представляется разумным всегда сохранять исходные PDF-файлы.

Йохан ван дер Книйф (Johan van der Knijff)

Мой комментарий: С моей точки зрения, голландский специалист несколько сгущает краски. Риск неудачной миграции есть всегда, поэтому в серьёзных проектах обязательно предусматривается тщательный контроль качества и принятие, в случае необходимости, корректирующих мер. Но ван дер Книйф совершенно прав в том, что всегда, начиная проект миграции, полезно оценивать риски (в том числе экспериментально), и сопоставлять ожидаемую на длительном интервале времени отдачу с затратами и рисками.

Как мне кажется, нашим специалистам особенно полезно познакомиться с соображениями голландского коллеги именно сейчас, когда в Минкомсвязи зародилась идея сделать формат PDF/A стандартным для наших органов государственной власти.

Источник: сайт Open Planets Foundation
http://www.openplanetsfoundation.org/blogs/2014-08-27-when-not-migrate-pdf-pdfa