Blog Digitalgesellschaft Verwaltungsbetrieb Textarchiv Textarchiv Walter Kirk (✝) Impressum

 

Langzeitarchivierung - Teil 2: PDF/A-1B mit Ghostscript (Linux)

 

 

Vorbemerkung

Der Blogpost Einstieg in die Langzeitarchvierung vermittelt mit den Good Practice die Grundlagen, warum man sich privat überhaupt um dieses Thema kümmern sollte (Teil 1).
In diesem Teil 2 geht es um eine Langzeitarchivierung mit PDF. Unter Langzeitarchivierung wird hier verstanden, wichtige Dokumente 10 Jahre und länger aufzubewahren und verfügbar zu halten.

In manchen Situationen verlangen Einrichtungen die Übersendung bzw. Vorlage von .pdf im Format Archivierung (PDF/A) oder Austausch (PDF/X). Im Home-Office möchte man Dokumente unabhängig vom Format langfristig verfügbar halten.

Die gängigen Office-Formate sind nicht zur Langzeitarchivierung geeignet, da nicht sicher gestellt ist, dass noch in Jahrzehnten, diese Formate lesbar sind und verarbeitet werden können.

Grundsätzlich gilt: Die Rohform der Datei, also z.B. das verlustfreie .wav (Musik) oder .raw (Bilder), ist daher die erste Wahl. Für Texte sollte eine Form genutzt werden, mit der reiner Text gespeichert wird, z.B. .bib, .txt oder .md. Allerdings lassen sich in diesen Textformen grundsätzlich keine weiteren Inhalte speichern.

Für die originalgetreue Darstellung von Text und sonstigen Formen wie Bilder, Grafiken und Tabellen, wird deshalb das PDF-Format genutzt: Text und sonstige Inhalte lassen sich aus PDF extrahieren.

Portable Document Format

Die Firma Adobe hat Anfang der 1990iger Jahre das Portabe Document Format (PDF) entwickelt, von dem es zwischenzeitlich abgeleitete Standardformen gibt, wie eben PDF/A bzw. PDF/X. Dabei handelt es sich um ISO-Normen, die eine normgerechte Nutzung sicherstellen wollen. Hier: für die Archivierung und den Austausch (Druckereien, Printmedien, etc.).

Heute lassen sich alle Dokumente problemlos in das PDF-Format verwandeln. Das bedeutet jedoch nicht, das die Einhaltung dieser ISO-Normen damit gewährleistet wird.

Es sind weitere Qualitätsmerkmale erforderlich, die nur mit zusätzlicher Software erfüllt werden. Auf dem Markt finden sich Closed-Source wie Adobe Acrobat (macOS, WINDOWS) und Open-Source wie Ghostcript, (Linux, macOS, WINDOWS).

Und auch dann wird empfohlen, die erstellten .pdf zu prüfen (Validierung)

Die folgende Übersicht informiert über die ISO-konformen PDF/A-Formate:

Quelle: Metzger, Fabienne: Der PDF/A-Standard und seine verschiedenen Versionen, S. 3 [Stand: 2021-06-24], CC BY SA https://www.langzeitarchivierung.de/Webs/nestor/SharedDocs/Downloads/DE/praesentationen/2021nestor-virtuell_PDFA_Metzger.pdf?__blob=publicationFile&v=1

Lösungsansätze

Es gibt für unterschiedliche Situationen verschiedene Ansätze, um ISO-konforme PDF für die Archivierung und den Austausch zu erzeugen.

LaTeX

Wer seine Texte mit LaTeX erstellt, hat die Möglichkeit PDF/A und PDF/X mit dem Paket pdfx zu erstellen. Eine Übersicht hilft:

Niemel̈a, Jarmo: How to create a PDF/A file with LATEX [Stand: 2022-08-18], Online-Ressource, URL.: https://webpages.tuni.fi/latex/pdfa-guide.pdf.

Hinweise auch unter https://texwelt.de/fragen/23853/was-ist-eigentlich-pdfx.

Pandoc

Nur über den Umweg mit LaTeX-Kommandos lassen sich PDF/A und PDF/X erzeugen.

PDF-Editoren

Für die drei gängigen Betriebssysteme gibt es PDF-Editoren, die auch die Möglichkeit bieten, ISO-konforme PDF zu generieren.

PDF-Drucker

Unter Linux gibt es derzeit nur die Möglichkeit mit Ghostscript (gs) solche ISO-konformen Dokumente zu erzeugen. Für macOS und Windows gibt es eine Vielzahl von kostenpflichtigen Druckprogrammen, die zumindest PDF/A erzeugen können.

Szenarien

Hier wird anhand von zwei Szenarien dargestellt, wie eine Lösung unter Linux (debian-basiert) aussehen kann.

Vorbereitung

Installation

Um die Einrichtung vornehmen zu können, sind Programme zu installieren:

xxxxxxxxxx
test@geraet: $ sudo apt install ghostscript libcanberra-gtk-module printer-driver-cups-pdf

Hierdurch werden eingerichtet: Ghostscript (gs), Bibliothek für veraPDF, CUPS-PDF-Drucker.

Das Programm veraPDF wird für die Offline-Validierung der erzeugten PDF benötigt und kann herunter geladen werden unter https://verapdf.org/software/

CUPS-PDF-Conf bearbeiten

Die unter https://wiki.ubuntuusers.de/CUPS-PDF/ gegebenen Hinweise beschreiben die notwendige Änderung/Ergänzung der cups-pdf.conf:

xxxxxxxxxx
test@geraet: $ sudo nano /etc/cups/cups-pdf.conf

Allerdings reicht die Ergänzung mit -dPDFA nicht aus, um mit gs ISO-konforme PDF/A-1B zu erstellen. Mit den folgenden Einstellungen werden PDF/A-1B erzeugt, die auch bei der Überprüfung keine Fehler aufweisen:

xxxxxxxxxx
GSCall %s -q -dPDFA=1  -dCompatibilityLevel=%s -dUseCIEColor -sProcessColorModel=DeviceRGB -dNOPAUSE -dBATCH -dSAFER -sDEVICE=pdfwrite -sOutputFile="%s" -dAutoRotatePages=/PageByPage -dAutoFilterColorImages=false -dColorImageFilter=/FlateEncode -dPDFSETTINGS=/prepress -c -f %s

Ab gs V 9 ist -dUseCIEColor eigentlich nicht mehr zu benutzen. In dieser Form erscheint bei gs V 10.0.0 (2022-09-21) keine Fehlermeldung. Bei der Validierung durch veraPDF sind diese PDF ISO-konform.

Tipp

Die zusätzliche Änderung auf Label 1 ist bei dauerhafter Nutzung von CUPS-PDF sinnvoll.

Szenario 1: Immer PDF/A erzeugen

Wer sich den Aufwand einer nachträglichen Konvertierung ersparen möchte, sollte den PDF-Drucker CUPS-PDF entsprechend einrichten. Dieser Treiber verwendet Ghostscript um PDF zu erstellen. Wird der Printer-Driver-CUPS-PDF so als Standard für PDF genutzt, werden bei jedem Druckauftrag PDF/A-1B erzeugt.

Szenario 2: PDF konvertieren

Wer bereits erzeugte PDF nach PDF/A-1B umwandeln und darüber hinaus auch für das Internet aufbereiten will, sollte diese Lösung nutzen:

xxxxxxxxxx
test@geraet: $ gs -sDEVICE=pdfwrite -dBATCH -dNOPAUSE -dSAFER -sColorConversionStrategy=UseDeviceIndependentColor -dEmbedAllFonts=true -dPrinted=true -dPDFA -sProcessColorModel=DeviceRGB -dPDFACompatibilityPolicy=1 -dDetectDuplicateImages -r150 -dFastWebView=true -sOutputFile=output.pdf input.pdf

Quelle: https://unix.stackexchange.com/questions/302101/ghostscript-qpdf-and-pdf-a-1B-validation-how-to-add-eol-separator-before-ends

In- und Output sind entsprechend den eigenen Verhältnissen anzupassen.

Hierdurch werden alle PDF zu PDF/A-1B konvertiert. In der Validierung durch veraPDF wird die Konformität bestätigt.

Szenario 3: Mehrere PDF konvertieren

Mit Ghostscript lassen sich auch mehrere Dateien in ein separates Verzeichnis speichern: hier PDF-A.

Bedingungen

Das Verzeichnis PDF-A muss vorher separat eingerichtet werden, da ansonsten eine Fehlermeldung erscheint. Im Beispiel handelt es sich um ein Unterverzeichnis des Ordners mit den zu konvertierenden PDF:

├── PDF-A │ ├── test-1.pdf │ ├── test-2.pdf │ └── test-3.pdf ├── test-1.pdf ├── test-2.pdf └── test-3.pdf

Der Erfolg der Konvertierung ist abhängig von der Qualität der normalen PDF. Je besser die Qualität, desto wahrscheinlicher ist die positive Validierung.

Ghostscript

Dazu wird in das Verzeichnis mit den zu konvertierenden PDF gewechselt und in einem Terminal folgendes ausgeführt:

xxxxxxxxxx
test@geraet: $ for file in *.pdf; do gs -sDEVICE=pdfwrite -dBATCH -dNOPAUSE -dSAFER -sColorConversionStrategy=UseDeviceIndependentColor -dEmbedAllFonts=true -dPrinted=true -dPDFA -sProcessColorModel=DeviceRGB -dPDFACompatibilityPolicy=1 -dDetectDuplicateImages -r150 -dFastWebView=true  -sOutputFile="PDF-A/$file" $file; done

Bezug: https://forum.ubuntuusers.de/topic/mittels-ghostscript-pdf-dateien-in-pdf-a-konve/

Und als pdf2pdfa.sh (bash):

xxxxxxxxxx
#!/bin/bash

for file in *.pdf; do 

gs -sDEVICE=pdfwrite -dBATCH -dNOPAUSE -dSAFER -sColorConversionStrategy=UseDeviceIndependentColor -dEmbedAllFonts=true -dPrinted=true -dPDFA -sProcessColorModel=DeviceRGB -dPDFACompatibilityPolicy=1 -dDetectDuplicateImages -r150 -dFastWebView=true  -sOutputFile="PDF-A/$file" $file; 

done

Alternative: Libre Office Client (soffice)

Vorbereitung

Um eine Meldung Warning: failed to launch javaldx - java may not function correctly zu vermeiden, ist eine zusätzliche Installation erforderlich:

xxxxxxxxxx
test@geraet: $ sudo apt install default-jre libreoffice-java-common

Hinweis: https://reddit.com/r/linux4noobs/comments/wgmfsm/warning_failed_to_launch_javaldx_java_may_not/

Konvertierung

Die Umwandlung erfolgt mit folgender Ausführung:

xxxxxxxxxx
test@geraet: $ soffice --headless --convert-to pdf:"writer_pdf_Export:SelectPdfVersion=1" --outdir ~/PDF-A  *.pdf

Quelle: https://stackoverflow.com/questions/57513457/how-to-create-a-pdf-a-from-command-line-with-libre-office-draw-in-headless-mode

Das Ausgabeverzeichnis ~/PDF-A ist den eigenen Verhältnissen anzupassen. Soll eine PDF/A-2B erzeugt werden, so ist die 1 durch 2 zu ersetzen.

Validierung

Es wird empfohlen, die erstellten PDF/A auf ISO-Konformität zu prüfen. Dies kann z.B. mit veraPDF als Anwendung auf dem eigenen Rechner erfolgen oder Online über https://demo.verapdf.org/.

Das folgende Bild veranschaulicht das Prüfergebnis der Datei test-2.pdf.

 

Schlussbemerkung

Die Einstellungen, um mit Ghostscript ISO-konforme PDF/A-1B zu erzeugen, sind zügig erledigt. Schon steht ein brauchbares Ergebnis für die Praxis zur Verfügung, das auch einer Validierung standhält.

Die Nutzung des CUPS-PDF-Drucker verläuft bei geänderter Einstellung problemlos. Vielleicht dauert die Erstellung der PDF einen Augenblick länger. Aber das ist kaum spürbar.

Der Umstieg auf jedes PDF ist PDF/A-1B lohnt sich auch für den privaten Anwender: Man erspart sich die nachträgliche Konvertierung, Wird PDF/A-1B nicht benötigt, lässt sich ein normales .pdf mit einem anderen Druckertreiber erzeugen.

 

Mindmap

 

Top

 

Wolfgang Kirk

 

Veröffentlicht: 2023-07-07 aktualisiert: 2024-02-05, 18:30 Uhr