PDF/UA 解析：什么让 PDF 可访问

PDF/UA 是定义可访问 PDF 的国际标准（ISO 14289-1:2014，针对 PDF 2.0 更新为 ISO 14289-2:2024）。它被许多司法管辖区的无障碍法律和采购要求引用，包括美国的 Section 508 和欧洲无障碍法案。通过 PDF/UA 验证的 PDF 可被依赖屏幕阅读器、键盘导航和高对比度模式的人群使用。

PDF/UA 是更广泛的 PDF 规范的一个 profile——它不添加新特性，而是要求现有特性被正确使用。PDF/UA 合规文件也是合法的 PDF，只是额外具有使其可访问的结构。

可访问 PDF 的四大支柱：

• 标签化 PDF。文件必须包含结构树——一组描述每段内容是什么的标签（Paragraph、Heading、List、Table、Figure 等）。没有标签，屏幕阅读器会把文件视为无意义字符流。这是最重要的要求，也是大多数 PDF 失败之处。
• 阅读顺序。标签必须按读者阅读顺序排列。双栏布局必须这样标签化：屏幕阅读器先读第一栏从上到下，再读第二栏从上到下——而不是横跨页面。阅读顺序是结构树的一部分，但必须正确，而不仅仅是存在。
• 图的替代文本。每张图片、图表和插图都必须有文本替代（Figure 标签上的 Alt 条目），描述图片传达的内容。装饰性图片应标记为 artifact（完全不读）。
• 文档语言。PDF 必须声明其主语言（例如 en-US、fr-FR），以便屏幕阅读器使用正确的发音和 TTS 嗓音。对于混合语言的文档，也可以按 span 设置语言。

除这四点之外，PDF/UA 还要求：表格具有正确的表头/行/列结构，标题正确嵌套（H3 之前必须有 H2），结构树之外没有内容（artifact 除外），以及链接文本有意义（不是"点击这里"）。

用文字处理软件默认设置打印的 PDF 通常未标签化——它根本没有结构树。屏幕阅读器读这种文件得到的是按布局顺序排列的字符流，常常毫无意义（尤其是多栏或表格密集的文档）。扫描的 PDF 更糟：它们是页面的图像，完全没有文本，只能通过 OCR 访问。

生成标签化的可访问 PDF 需要创作应用输出结构树，且作者提供替代文本并使用语义标题样式。Word、Google Docs、LibreOffice 和 InDesign 都能生成标签化 PDF，但前提是源文档结构正确且导出设置正确。

• Microsoft Word：使用内置标题样式，给图片添加替代文本（右键 > 编辑替代文本），设置文档语言，然后勾选"为无障碍使用文档结构标签"导出。
• Google Docs：使用标题样式和替代文本，然后 文件 > 下载 > PDF 文档。Google Docs 默认输出标签化 PDF。
• Adobe InDesign：使用文章面板和段落样式，在对象导出选项中添加替代文本，然后勾选"标签化 PDF"和"使用结构作为 Tab 顺序"导出。
• 验证：使用 Adobe Acrobat Pro 的"使可访问"引导操作和完整检查工具，或独立验证器如 PAC（PDF Accessibility Checker）或 axesPDF。

IXPDF 的工具作用于 PDF 容器——合并、拆分、旋转、加水印、编辑元数据。当结构树存在时它们会保留它（标签化 PDF 经过合并 PDF 后仍是标签化的），但不会创建标签、修正阅读顺序或添加替代文本。从无标签 PDF 生成标签化 PDF 是一个难题，在我们的研究路线图上，目前不提供。

如果你需要可访问 PDF，正确做法是在源（Word、Docs、InDesign）处就生成标签化版本，而不是事后添加标签。IXPDF 适合做源导出之后的结构性编辑——合并章节、旋转横向页面、在元数据中设置文档语言。