Pdf-woordenlijst

PDF/A is een variant van pdf die moet garanderen dat een document over 10, 20 of 50 jaar nog leesbaar is. Alle lettertypen moeten ingesloten zijn, externe inhoud is niet toegestaan en het bestand staat volledig op zichzelf. Er zijn drie families: PDF/A-1 (de strengste), PDF/A-2 (met transparantie en lagen) en PDF/A-3 (met ingesloten bestanden).

In verschillende Europese contexten (overheidsarchieven, overheidsopdrachten, elektronische facturen) is PDF/A verplicht. In 95% van de gevallen volstaat PDF/A-2b.

OCR (Optical Character Recognition) zet een afbeelding met tekst (scan, foto) om in bruikbare tekstgegevens: doorzoekbaar, kopieerbaar en indexeerbaar.

Moderne engines (Tesseract 5+, Google Vision, AWS Textract) gebruiken convolutionele neurale netwerken die op tientallen miljoenen pagina's zijn getraind, en halen meer dan 99,5% nauwkeurigheid op schone scans in het Frans of Engels. Bij vrij handschrift daalt de nauwkeurigheid tot 60-80%: nog altijd de achilleshiel van OCR.

De AVG (in het Engels: GDPR) verplicht elk bedrijf dat gegevens van Europese burgers verwerkt om de principes van minimalisatie en transparantie te respecteren, evenals het recht op inzage en op verwijdering. Ze geldt ongeacht het land waar het bedrijf gevestigd is.

Voldoen aan de AVG regelt echter niet alles: zodra gegevens de Europese Economische Ruimte verlaten, gelden specifieke regels (een adequaatheidsbesluit zoals het Data Privacy Framework voor gecertificeerde Amerikaanse bedrijven, modelcontractbepalingen, aanvullende maatregelen). En een aanbieder die onder Amerikaans recht valt, blijft binnen het bereik van de Cloud Act, waar de gegevens ook zijn opgeslagen.

Met de CLOUD Act (Clarifying Lawful Overseas Use of Data Act) kunnen Amerikaanse autoriteiten via een gerechtelijke procedure (bevel of rechterlijke beschikking) van een aanbieder die onder Amerikaans recht valt, ook via zijn Europese dochterondernemingen, gegevens opeisen die hij in bezit of onder controle heeft, zelfs als die buiten de Verenigde Staten zijn opgeslagen. De betrokken gebruiker wordt daar niet noodzakelijk van op de hoogte gebracht.

Concreet: een pdf die je toevertrouwt aan een Amerikaans bedrijf (bijvoorbeeld Adobe, met hoofdkantoor in Californië), of aan een dienst die voor de hosting een Amerikaanse aanbieder gebruikt, kan hieronder vallen. Wil je weten hoe het zit met een bepaalde dienst, lees dan het privacybeleid en de lijst met subverwerkers. Een tool die bestanden in de browser verwerkt, zonder ze te uploaden, heeft niets te verstrekken.

De eIDAS-verordening (Electronic IDentification, Authentication and trust Services), van kracht sinds 2014, harmoniseert de elektronische handtekening in Europa. Ze onderscheidt drie niveaus: de eenvoudige (SES), de geavanceerde (AES) en de gekwalificeerde handtekening (QES).

Alleen de QES staat juridisch volledig gelijk aan een handgeschreven handtekening. Daarvoor is een gecertificeerd middel nodig (chipkaart, nationale eID, gecertificeerde app). De SES (je handtekening met de muis tekenen) is juridisch geldig, maar heeft weinig bewijskracht: bedoeld voor gebruik waarbij weinig op het spel staat.

DPI meet de pixeldichtheid van een digitale of gedrukte afbeelding. Hoe hoger de DPI, hoe gedetailleerder de afbeelding, maar hoe zwaarder het bestand.

Gangbare waarden: - 300 DPI: standaard voor professioneel drukwerk - 150 DPI: genoeg om op een scherm te lezen - 96 DPI: met het blote oog niet te onderscheiden op een scherm (grens van de menselijke waarneming)

Pdf-compressie maakt gebruik van de DPI: terugschalen van 300 naar 150 DPI deelt het gewicht van afbeeldingen doorgaans door 4, zonder zichtbaar verlies op het scherm.

Wanneer een pdf een lettertype insluit, wordt standaard het volledige lettertype opgenomen, inclusief duizenden tekens die nooit gebruikt worden (Chinese karakters, Cyrillische alfabetten, wiskundige glyphs). Bij subsetting blijven alleen de tekens over die echt in het document voorkomen.

Typische besparing: 30 tot 200 KB per ingesloten lettertype. Bij een document met 5 lettertypen is dat 1 MB minder, zonder enig functieverlies. Bijna alle goede pdf-compressors passen subsetting automatisch toe.

Factur-X (Frankrijk) en ZUGFeRD (Duitsland) zijn twee namen voor dezelfde standaard voor elektronische facturen. Een Factur-X-factuur is technisch gezien een PDF/A-3 met een ingesloten XML-bestand in het CII-formaat (Cross Industry Invoice).

De pdf blijft leesbaar voor mensen, de XML voor boekhoudsoftware. In Frankrijk wordt e-facturatie voor B2B-transacties stapsgewijs verplicht volgens een uitrolkalender, en Factur-X is een van de aanvaarde formaten.

pdf-lib is een bibliotheek met MIT-licentie waarmee je pdf's rechtstreeks in JavaScript kunt maken, lezen, samenvoegen, splitsen en bewerken, zonder server. Daardoor kunnen de tools van PDFly "100% in de browser" werken: je bestanden verlaten je apparaat niet.

Typische prestaties: 10 pdf's van 5 MB samenvoegen duurt 2-3 seconden op een recente MacBook. Omdat het hele document in het geheugen wordt geladen, kan een heel groot bestand het tabblad overbelasten, vooral op mobiel: daarom accepteert PDFly bestanden tot 100 MB en tot 50 bestanden per bewerking.

Met het Schrems II-arrest (juli 2020) verklaarde het Hof van Justitie van de Europese Unie het Privacy Shield ongeldig, het akkoord dat de doorgifte van gegevens tussen de EU en de Verenigde Staten regelde. De reden: Amerikaanse surveillanceprogramma's (FISA 702, EO 12333) geven toegang tot Europese gegevens zonder dat Europeanen daartegen in beroep kunnen gaan.

Na dit arrest moest doorgifte naar de Verenigde Staten steunen op andere instrumenten, zoals modelcontractbepalingen (Standard Contractual Clauses), zo nodig aangevuld met extra maatregelen (versleuteling, pseudonimisering…). Sinds juli 2023 maakt het Data Privacy Framework doorgifte naar gecertificeerde Amerikaanse bedrijven weer mogelijk; dit nieuwe kader blijft wel betwist.

Zwartlakken (in het Engels redaction) betekent gevoelige informatie in een pdf (tekst, afbeeldingen, zones) definitief en onomkeerbaar onleesbaar maken. Anders dan bij een gewone zwarte rechthoek die erover wordt getekend, verwijdert echt zwartlakken de gegevens uit het bronbestand.

Gebruikt voor: AVG-naleving voordat je iets deelt, het publiceren van geanonimiseerde vonnissen, het beschermen van medische of juridische gegevens. Slecht zwartlakken (alleen een zwarte rechthoek) is een groot risico: de gegevens blijven toegankelijk door ze uit de pdf te kopiëren en te plakken.

AES-256 (Advanced Encryption Standard, 256-bitsleutel) is het meest gebruikte symmetrische versleutelingsalgoritme om pdf's met een wachtwoord te beveiligen. Met de huidige computers geldt het als onkraakbaar met brute kracht.

Een pdf die met AES-256 is beveiligd, kan alleen met het juiste wachtwoord worden geopend. Ben je het kwijt, dan is de inhoud voorgoed ontoegankelijk (behalve via een woordenboekaanval als het wachtwoord zwak is). Kies wachtwoorden van minstens 12 tekens met een mix van hoofdletters, cijfers en symbolen.

Een getagde pdf bevat naast de visuele weergave ook een logische structuur (koppen, alinea's, tabellen, alt-tekst bij afbeeldingen). Met die structuur kunnen schermlezers (JAWS, NVDA, VoiceOver) het document in logische volgorde doorlopen, decoratieve afbeeldingen overslaan en tabellen correct voorlezen.

Verplicht voor naleving van toegankelijkheidsnormen (WCAG 2.1 AA, RGAA, EN 301 549).

Een gelineariseerde pdf ("Fast Web View") is zo herschikt dat de eerste pagina verschijnt voordat het hele bestand is gedownload. Dat is essentieel voor grote pdf's (>10 MB) op het web: een bezoeker wacht geen 30 seconden tot alles binnen is.

Linearisatie is onzichtbaar voor de eindgebruiker, maar verandert wel de volgorde van de objecten in het bestand.

Pdf-metadata omvat de auteur, de aanmaakdatum, de software waarmee het bestand is gemaakt, trefwoorden en soms de locatie (bij pdf's die op een smartphone zijn gemaakt). Ze zit in het bestand, maar is weinig zichtbaar: je vindt ze via Bestand → Eigenschappen in een pdf-lezer.

Voordat je een pdf deelt, kan het nuttig zijn deze metadata te verwijderen als ze gevoelige informatie prijsgeeft (de interne naam van een project, de versie van propriëtaire software, de tijdzone van aanmaak). Adobe Acrobat en sommige tools kunnen het bestand "opschonen".