PDF 归档、可访问性与可信交付审查

目标与适用范围

清理扫描页、添加 OCR、准备 PDF/A、检查可访问结构、补充书签，并在归档交付前验证签名。
本指南将当前任务范围转化为可复核的交付结果。请保留源文件、中间产物和关键判断，让后续协作者能够理解检查了什么以及为什么这样处理。

准备证据并作出选择

• 准备源 PDF 或 DOCX、保存期限要求、目标 PDF/A 配置、OCR 语言，以及可访问性或签名政策。

• 保留未修改的源文件，并明确最终交付物是否必须可搜索、带标签、已签名、有书签，或同时满足这些要求。

• 决策点: 当前瓶颈是画面质量、文本检索、合规性、结构还是可信度？. 噪点或倾斜页先做扫描清理，纯图片文字先做 OCR，长期保存先做 PDF/A，辅助技术使用先查可访问性，真实性问题则验证签名。

• 决策点: 你是在制作新的归档文件，还是审查收到的文件？. 制作流程通常从清理、OCR 到 PDF/A 转换；审查流程往往从 PDF/A 验证、可访问性、书签、标签结构和签名检查开始。

按步骤完成工作流

1. 稳定扫描件或办公文档来源

在 OCR 前清理噪点和页面倾斜；如果权威来源是 DOCX，则直接按 PDF/A 方向导出，避免把数字文档当扫描件处理。 使用 pdf-denoise, pdf-deskew, libreoffice-docx-to-pdf-a.

2. 让页面内容可搜索

为纯图片页面添加 OCR 文本层，让归档材料可以搜索、复制、索引和检查，而不是只能靠肉眼阅读。 使用 pdf-ocr-text-layer.

3. 准备并验证归档合规性

把现有 PDF 转向归档用 PDF/A 配置，然后验证输出文件，并保留所有可能影响接收的警告。 使用 pdf-a-convert, pdf-a-validate.

4. 审查可用性、结构与真实性

检查可访问性信号，添加用于导航的目录书签，检查 Tagged PDF 结构，并在发布或入库前验证数字签名。 使用 pdf-accessibility-check, pdf-outline-bookmarks, tagged-pdf-inspector, pdf-signature-verify.

交付前验收结果

• 扫描页清晰、方向正确，并在源文件允许时保留或获得可搜索文本层。
• 候选文件已按归档目标转换或导出，并经过 PDF/A 验证，而不是只根据文件名判断通过。
• 可访问性、书签、标签结构和签名发现都有明确的通过、修复或例外结论，可放入交付记录。

常见问题

• 这个流程只适合扫描 PDF 吗？ 不是。扫描件适合先做去噪、纠偏和 OCR；DOCX 与已有数字 PDF 仍然可以进行 PDF/A 转换、验证、可访问性审查、书签补充、标签结构检查和签名验证。
• PDF/A 验证通过就代表文档可访问吗？ 不代表。PDF/A 关注长期保存特性；可访问性还要单独检查标签、语言元数据、结构、阅读顺序信号和导航支持。
• 为什么签名验证放在最后？ 任何转换或修复步骤都可能改变文件。最终审查时验证签名，团队才能知道交付文件是否仍然可信，或是否需要重新签署。
• 所有失败项都能自动修复吗？ 不能。有些问题需要回到源文档修复、手动标记、重新扫描、记录政策例外，或同时归档原件与更易用的派生文件。