Mengapa PDF yang sudah diperbaiki masih bisa gagal validasi arsip PDF/A

Kebanyakan kerusakan nyata bersifat struktural, dan kerusakan struktural bisa diperbaiki

Di dunia nyata, sebagian besar kerusakan PDF, saat file sama sekali tidak mau terbuka atau terbuka dengan kesalahan yang terlihat, berasal dari tabel referensi silang (cross-reference) atau trailer yang rusak. Penyebabnya paling sering unduhan yang terputus atau disk yang mulai gagal di tengah proses penyimpanan. Kerusakan seperti ini bisa diperbaiki sepenuhnya. Dalam kasus ini, Perbaiki PDF hanya perlu membangun ulang struktur internal file, dan itu sudah memulihkan konten aslinya tanpa ada yang hilang, karena konten halaman di bawahnya memang tidak pernah tersentuh. Yang rusak hanya indeks yang menunjukkan letak konten itu. Aplikasi pembaca yang menolak file seperti ini sedang menolak mengikuti peta yang rusak, bukan melaporkan bahwa halamannya sendiri hilang.

Kerusakan pada konten halaman itu sendiri adalah masalah lain

Aliran konten (content stream) yang rusak di halaman tertentu adalah masalah yang berbeda jenisnya dari indeks yang rusak. Dalam kasus ini, teks vektor dan instruksi gambar untuk halaman itu sudah hilang, bukan sekadar sulit ditemukan, dan perbaikan struktur sebanyak apa pun tidak bisa merekonstruksi data yang sudah tidak ada di dalam file. Jalan keluar yang praktis adalah mengubah apa pun yang masih bisa dipulihkan dari halaman itu menjadi gambar, lalu menjalankan OCR PDF di atasnya untuk memulihkan teks yang bisa dibaca. Sementara itu, setiap halaman lain yang tidak terdampak dalam dokumen itu tetap memakai konten vektor aslinya, tanpa diubah sedikit pun sepanjang proses.

Bisa diperbaiki dan sesuai PDF/A adalah dua standar yang terpisah

PDF yang kini terbuka dengan benar di semua aplikasi pembaca, dengan teks yang bersih dan tanpa kesalahan yang terlihat di mana pun, tetap bisa gagal total dalam validasi arsip PDF/A. Validasi itu tugas terpisah, dan untuk tugas itulah PDF ke PDF/A dibuat. PDF/A adalah standar yang berbeda dan jauh lebih ketat, dan yang diperiksanya pun berbeda: setiap font disematkan di dalam file, bukan hanya disebut namanya; warna terikat pada profil tetap yang dideklarasikan; dan sama sekali tidak ada ketergantungan pada sumber daya luar atau perangkat lunak yang mungkin tidak dimiliki pembaca puluhan tahun lagi. Memperbaiki struktur yang rusak memang tidak pernah dimaksudkan untuk menjamin semua itu. Perbaikan dan kepatuhan arsip menjawab dua pertanyaan berbeda tentang file yang sama.

Mengapa hasil gagal yang benar dari validator lebih berguna daripada hasil lolos yang palsu

Di sini Ghostscript sengaja tidak dipakai karena ketentuan lisensinya. Tanpa Ghostscript, struktur PDF/A yang diwajibkan harus disusun langsung, bukan lewat jalur konversi baku yang diandalkan kebanyakan alat. Karena itu, prosesnya diupayakan sebisanya, tanpa jaminan hasil. Setiap konversi diperiksa dengan veraPDF, validator rujukan yang diandalkan lembaga arsip dan pengadilan, dan yang ditampilkan adalah putusan veraPDF, bukan tanda centang yang menenangkan. Artinya, kegagalan dilaporkan karena memang benar terjadi. Itu jauh lebih berguna daripada alat yang mengklaim keberhasilan yang tidak bisa dibuktikannya.

Membaca kegagalan secara rinci lebih berguna daripada menganggap validasi sekadar lolos atau gagal

Validasi yang gagal bisa mencantumkan aturan persis yang tidak dipenuhi dokumen, misalnya font tertentu tidak disematkan atau ruang warna tidak dideklarasikan dengan benar. Hasil seperti itu berguna dan bisa langsung ditindaklanjuti, sesuatu yang tidak akan pernah bisa diberikan indikator lolos atau gagal tanpa keterangan. Bila file diunduh apa pun hasil validasinya dan bagian yang gagal dibaca, dokumen yang sudah 95% memenuhi standar tidak diperlakukan sama dengan dokumen yang baru mulai dikerjakan. Aturan yang gagal menunjukkan apa yang masih perlu diperbaiki, jadi seluruh dokumen tidak perlu ditangani ulang dari awal.

Memilih strategi perbaikan dan level PDF/A

Setiap alat mengajukan satu pertanyaan lebih dulu, dan jawaban yang salah berarti satu kali proses terbuang. Perbaiki PDF punya tiga strategi. “Otomatis”, pilihan bawaan, membangun ulang struktur dan beralih ke gambar plus OCR hanya pada halaman yang aliran kontennya rusak. “Hanya struktur” tidak pernah melakukannya: halaman yang rusak kembali kosong. Ini pilihan yang lebih baik bila setiap halaman yang selamat harus tetap berisi teks asli yang bisa dipilih. “Rasterisasi dan OCR” menggambar ulang setiap halaman, termasuk yang masih terbaca, sebagai gambar dengan teks hasil OCR. Mode ini cocok untuk file yang teksnya tampil sebagai karakter acak. Layar hasil menyebutkan halaman mana saja yang dipulihkan sebagai gambar, jadi baca layar itu sebelum meneruskan file.

PDF ke PDF/A meminta Anda memilih level. Level 2b cocok untuk hampir semua file yang dibuat setelah 2010 dan mempertahankan transparansi. Level 1b meratakan setiap halaman yang punya transparansi atau lapisan menjadi gambar biasa, dan file modern jarang membutuhkannya. Level 3b hanya menambahkan izin untuk menyematkan file lain, misalnya spreadsheet sumber sebuah faktur. Ada dua hal yang lebih penting daripada level: standar ini melarang enkripsi, jadi kunci file yang dilindungi perlu dibuka dulu dengan Buka kunci PDF, dan hasil scan tetap tidak bisa dicari kecuali opsi OCR diaktifkan. Hasilnya biasanya 10–40% lebih besar: font yang belum disematkan diganti dengan font Liberation atau Noto yang kompatibel secara metrik, dan warna diikat pada sRGB.