Warum ein repariertes PDF die PDF/A-Validierung trotzdem nicht immer besteht

Die meisten echten Schäden betreffen die Struktur – und die lässt sich reparieren

Die allermeisten Schäden an PDF-Dateien im Alltag – die Datei lässt sich gar nicht öffnen oder zeigt beim Öffnen sichtbare Fehler – gehen auf eine kaputte Querverweistabelle oder einen beschädigten Trailer zurück. Meist ist ein abgebrochener Download schuld oder eine Festplatte, die mitten beim Speichern versagt. Solche Schäden lassen sich vollständig beheben. In diesem Fall muss „PDF reparieren“ nichts weiter tun, als die innere Struktur der Datei neu aufzubauen, und danach ist der ursprüngliche Inhalt wieder vollständig da, ohne dass etwas verloren geht. Denn der Seiteninhalt darunter wurde nie angetastet; kaputt war nur das Verzeichnis, das beschreibt, wo er zu finden ist. Ein PDF-Reader, der die Datei ablehnt, weigert sich, einer fehlerhaften Karte zu folgen. Er meldet damit nicht, dass die Seiten selbst fehlen.

Schäden am Seiteninhalt selbst sind ein anderes Problem

Ein beschädigter Inhaltsstrom auf einer bestimmten Seite ist eine andere Art von Problem als ein kaputtes Verzeichnis. Dann sind der Vektortext und die Zeichenanweisungen dieser Seite verloren, nicht bloß schwer zu finden, und keine noch so gründliche Reparatur der Struktur kann Daten wiederherstellen, die in der Datei nicht mehr existieren. In der Praxis rendert man deshalb als Bild, was sich von dieser Seite noch retten lässt, und lässt „OCR PDF“ darüber laufen, um lesbaren Text zurückzugewinnen. Alle anderen, nicht betroffenen Seiten desselben Dokuments behalten dabei durchgehend ihren ursprünglichen, unangetasteten Vektorinhalt.

Reparierbar und PDF/A-konform sind zwei getrennte Standards

Ein PDF, das sich jetzt in jedem Reader korrekt öffnet, mit sauberem Text und ohne einen einzigen sichtbaren Fehler, kann bei der PDF/A-Validierung fürs Archiv trotzdem komplett durchfallen. Diese Prüfung ist eine eigene Aufgabe, und für sie gibt es „PDF in PDF/A“. PDF/A ist ein anderer und deutlich strengerer Standard, der auf andere Dinge achtet: Jede Schrift muss in die Datei eingebettet sein, statt nur über ihren Namen referenziert zu werden. Farben müssen an ein deklariertes, festes Profil gebunden sein. Und nirgends darf eine Abhängigkeit von externen Ressourcen oder von Software bestehen, die in Jahrzehnten vielleicht niemandem mehr zur Verfügung steht, der die Datei öffnet. Die Reparatur einer kaputten Struktur war nie dazu gedacht, irgendetwas davon zu garantieren. Reparatur und Archivkonformität beantworten zwei verschiedene Fragen zu derselben Datei.

Warum ein zutreffendes „Nicht bestanden“ mehr nützt als ein falsches „Bestanden“

Hier wird die PDF/A-Struktur ohne Ghostscript aufgebaut, auf das wegen seiner Lizenzbedingungen bewusst verzichtet wird. Die nötige Struktur entsteht deshalb direkt und nicht über den üblichen Umwandlungsweg, auf den sich die meisten Tools verlassen. Damit ist die Umwandlung ein Verfahren nach bestem Bemühen und keines mit Garantie. Jede Umwandlung läuft durch veraPDF, den Referenzvalidator, auf den sich echte Archive und Gerichte verlassen, und angezeigt wird sein Urteil statt eines beruhigenden Häkchens. Ein Fehlschlag wird also gemeldet, weil er zutrifft. Das ist deutlich nützlicher als ein Tool, das einen Erfolg behauptet, den es nicht belegen kann.

Ein konkreter Fehler sagt mehr als „bestanden“ oder „nicht bestanden“

Ein Validierungsfehler, der genau die Regeln auflistet, die ein Dokument nicht erfüllt hat – etwa eine bestimmte Schrift, die nicht eingebettet war, oder einen Farbraum, der nicht korrekt deklariert wurde –, ist ein nützliches Ergebnis, mit dem sich konkret weiterarbeiten lässt. Eine bloße Anzeige „bestanden“ oder „nicht bestanden“ kann das nie leisten. Wenn Sie die Datei unabhängig vom Prüfergebnis herunterladen und nachlesen, was fehlgeschlagen ist, wird ein Dokument, das schon fünfundneunzig Prozent des Weges zur vollständigen Konformität hinter sich hat, nicht so behandelt wie eines, bei dem die Arbeit kaum begonnen hat. Die nicht erfüllten Regeln zeigen, was noch zu beheben ist, statt dass das ganze Dokument noch einmal von vorn angegangen werden muss.

Reparaturmethode und PDF/A-Stufe wählen

Jedes der beiden Tools stellt zuerst eine Frage, und eine falsche Antwort kostet einen Durchlauf. „PDF reparieren“ kennt drei Methoden. „Automatisch“, die Standardeinstellung, baut die Struktur neu auf und greift nur bei einer Seite mit beschädigtem Inhaltsstrom auf Bild plus OCR zurück. „Nur Struktur“ tut das nie: Eine beschädigte Seite kommt leer zurück. Das ist die bessere Wahl, wenn jede erhaltene Seite echten, markierbaren Text behalten muss. „Rastern und OCR“ zeichnet jede Seite neu, auch die lesbaren, und zwar als Bild mit erkanntem Text. Das passt zu einer Datei, deren Wörter als Zeichensalat erscheinen. Der Ergebnisbildschirm nennt die Seiten, die als Bild wiederhergestellt wurden – lesen Sie ihn, bevor Sie die Datei weitergeben.

„PDF in PDF/A“ fragt nach einer Stufe. Stufe 2b passt zu fast allem, was nach 2010 entstanden ist, und behält Transparenz. Stufe 1b reduziert jede Seite mit Transparenz oder Ebenen auf ein flaches Bild, was eine moderne Datei selten braucht. Stufe 3b fügt nur das Recht hinzu, eine weitere Datei einzubetten, etwa die Tabelle, aus der eine Rechnung erstellt wurde. Zwei Dinge sind wichtiger als die Stufe: Der Standard verbietet Verschlüsselung, deshalb braucht eine geschützte Datei zuerst „PDF entsperren“. Und ein Scan bleibt nicht durchsuchbar, solange die OCR-Option nicht eingeschaltet ist. Das Ergebnis ist meist 10 bis 40 Prozent größer: Nicht eingebettete Schriften werden durch metrisch kompatible Liberation- oder Noto-Schriften ersetzt, und Farben werden an sRGB gebunden.