将PDF转换为PDF / A？

给定一个随机来源的PDF，我如何在Linux上：

• 确认它是否已经是PDF / A格式？
• 如果它不是PDF / A格式，则以最小的保真度损失将其转换为PDF / A？

我知道转换可能会导致丢失文档中的奇特元素，但是让我们假设，在相对较远的将来完全打开文档的功能比这些功能强大（在这种情况下可能无法使用/无法读取）更重要无论如何）。当我可以并排地查看文档时，我宁愿能够直观地确认转换的准确性，而不必冒险无法打开原始文件。

身份证明

我发现此工具看起来像是可以用来识别PDF / A文件的工具。它称为DROID（数字记录和对象识别）。它基于Java，可以从GUI或命令行运行。

摘抄

DROID是国家档案局开发的一种软件工具，用于自动识别文件格式。DROID由其数字保存部门开发，是其更广泛的数字保存活动的一部分，旨在满足任何数字存储库的基本要求，使其能够识别所有存储的数字对象的精确格式，并将该标识链接到中央注册表有关该格式及其依赖项的技术信息。

鉴于它是由国家档案馆赞助的，鉴于PDF / A格式的预期目的，我认为它是执行此操作的正确工具。该项目也是开源的，代码可以在Github上获得，也可以从National Archives网站以二进制格式打包。

验证与转换

如果您正在寻找执行验证和转换的工具，我相信PDFBox可以做到。PDFBox在其网站的首页上列出了PDF / A验证。这是另一个Java应用程序8-）。

网站摘录

PDF / A验证
根据PDF / A ISO标准验证PDF。

在其主页左侧的命令行工具部分下，显示该工具的以下用法：

$ java -jar pdfbox-app-x.y.z.jar org.apache.pdfbox.ConvertColorspace [OPTIONS] <inputfile> <outputfile>

veraPDF是另一个能够验证PDF / A的工具；它是开放保护基金会参考工具集的一部分。它也是一个Java应用程序。

转换次数

对于仅进行转换，我从标题为：将现有PDF转换为PDF / A的免费方法的博客文章中找到了这种方法，该方法使用以下工具：

• 仅Ghostscript 8.64。
• PDFBox 0.7.3
• pdfmarks（用于提供其他元数据的文件）
• PDFA_def.ps
• USWebCoatedSWOP.icc

完成上述操作后，您将使用以下命令：

$ gs -sDEVICE=pdfwrite -q -dNOPAUSE -dBATCH -dNOSAFER     \
-dPDFA -dUseCIEColor -sProcessColorModel=DeviceCMYK       \
-sOutputFile=Out_PDFA.pdf PDFA_def.ps pdfmarks IN_PDF.pdf

并非没有疣。本文讨论了其中之一，并修复了其中之一的超链接上的打印标志。本文提供了一个Java应用程序，可以用来修复这些问题：

$ java FixPrintFlag Out_PDFA.pdf New_verifiablePDFA.pdf

它不漂亮，但似乎可行。请参阅文章以获取更多详细信息。

参考文献

• PDF至PDF-A转换-wiki.opf-labs.org

对于文件识别，该命令file通常很有帮助。它会在您的文件中查找幻数，文件标识符，编码信息等，以提供所有有用的信息。

在PDF文件的特定情况下，实用pdfinfo程序特别有用。就我而言，是一个Gentoo发行版，它与popplerPDF渲染库打包在一起。

这是一个bash命令行脚本，它就是这样做的：

#!/bin/bash

pdf_input=$1
ps_output=${pdf_input%.*}.ps
pdfa_output=${pdf_input%.*}_a.pdf
pdftops $input $ps_output

gs -dPDFA -dBATCH -dNOPAUSE -dNOOUTERSAVE -dUseCIEColor -sProcessColorModel=DeviceCMYK -sDEVICE=pdfwrite -sPDFACompatibilityPolicy=1 -sOutputFile=$pdfa_output $ps_output

将其保存在路径中名为pdf2pdfa.sh的文件中，然后按以下方式调用它：

pdf2pdfa.sh输入.pdf

它将创建input_a.pdf。