早期识字PDF能打开，不代表恢复的是同一版教材

一份早期识字教材的原下载路径失效。教师从旧邮件里找到同名PDF，页面能打开，封面也相同。带进课堂后才发现目标词少了一页，双栏教师说明被屏幕阅读器交错朗读，原本配套的字母音频已经无法取得。

“能打开”只证明阅读器接受了文件中的部分结构。恢复同一版教材还要回答来源、版本、字节、文字、字体、阅读顺序、外部依赖和教学任务八类问题。

同名文件无法固定教材版本

文件名由保存者决定。同一文件可被改名，不同修订也能沿用旧名称。reading-guide.pdf既可能是教师原版，也可能是删减后的打印版。

URL同样不是永久身份。服务器可在相同路径替换文件，也可把旧路径转向新版。路径恢复后看到相同封面，不能据此判断正文和教师说明没有改变。

版本证据应来自多项记录：发布者、标题、版次、发布日期、修订日期、页数、目录、标识符和取得位置。缺少正式版次时，至少保存取得日期与文件校验值。

比较两个候选文件时，先列可观察差异，不急着判断谁正确。页数不同、字体不同、词表变化、注释增减都可能来自合法修订，也可能来自不完整复制。

建立来源与修订身份卡

来源卡第一项写实际取得位置，不只写机构主页。保存完整下载地址、访问日期和页面对文件的描述。页面后来变化时，这些信息仍能说明当时的取得情境。

第二项记录出版主体和责任人。网站名称、文件内署名与元数据可能不一致，三者应分别抄录。无法核实时写“未确认”，不要用域名推测作者。

第三项固定修订信息。检查封面、版权页、页脚、文档属性和教师说明中的日期。它们相互冲突时保留冲突，而非选择最像版本号的一项。

第四项保存结构指纹：页数、目录标题、前三个目标词、最后一项活动和附录名称。这些不是密码学证明，却能帮助教师快速发现内容级差异。

来源卡也要记录许可信息。文件公开下载不等于允许重新分发。保存副本、课堂使用和对外发布可能有不同条件，技术恢复不能替代授权判断。

校验值固定字节但不解释内容

SHA-256把整份文件字节映射成固定摘要，副本字节变化通常会产生不同摘要，但摘要不携带来源与版权意义。两个副本的字节完全相同时，应得到相同摘要；任一字节变化通常会产生不同结果。

这项机制适合确认移动、备份和恢复过程中是否仍是同一份字节。下载完成时计算一次，复制到离线存储后再算一次，便能发现传输或介质造成的变化。

NARA的数字保存策略要求生成固定性信息，并执行周期抽样审计。固定性不是一次性收尾，而是保存期间持续验证文件未意外改变。

摘要不包含“官方”“正确”或“授权”等意义。一份错误扫描件也有稳定SHA-256。校验值相同只证明字节相同，不能证明发布者、版本说明、版权和教学质量。

两份摘要不同也不等于其中一份损坏。元数据日期、压缩方式或一个注释变化都会改变摘要。此时要回到来源与内容差异，判断是否为合法修订。

PDF标识只能回答格式外层

Library of Congress把PDF描述为页面导向的结构化二进制格式。它可包含文字、图像、图形、注释、元数据、链接、书签和多媒体。

扩展名.pdf只是名称信号。文件头常含PDF版本标识，媒体类型通常为application/pdf。这些信息有助于识别格式，却不证明内部对象完整。

一份文件可以显示所有页面图像，却没有可搜索文字。另一份有文字层，却缺少嵌入字体，在不同电脑上替换字形。第三份视觉正常，标签结构却让辅助技术读错顺序。

因此，格式识别、视觉呈现、文字可用和结构可访问要分开测试。只双击文件并翻到最后一页，覆盖不了后三项。

保存文件大小也有价值。大小与旧记录不符时应调查，但相同大小仍可能包含不同字节。文件大小是筛查信号，不能替代校验值。

PDF与PDF/A解决的问题不同

PDF/A是针对长期保存设计的受约束PDF家族。其目标包括设备独立、自包含、自描述，以及长期保持静态视觉外观。

不同PDF/A版本限制不同。较早版本要求嵌入字体，禁止音视频、三维内容和可执行脚本，并要求设备独立的颜色信息。PDF/A-4又调整了部分约束。

这些限制减少对创建软件、外部字体和运行环境的依赖。未来更换阅读器时，自包含文件更可能保持原有页面外观。

PDF/A不自动保证无障碍。文件可以符合某个归档配置，却没有正确标签、替代文字或逻辑顺序。静态视觉外观也不代表教材词表和活动正确。

转换同样可能损失内容。把普通PDF转成PDF/A时，脚本、附件或多媒体可能被移除。转换前后应分别保存校验值、验证报告和功能差异。

原教材依赖音频时，静态PDF/A只能保存页面部分。音频需要独立保存、记录关系和验证格式，不能因为主PDF进入归档格式便宣布整套活动完整。

可搜索文字不等于阅读顺序正确

在PDF中搜索一个目标词，能证明某个文字对象可被索引。复制粘贴得到文字，也不表示段落顺序对辅助技术有意义。

W3C的PDF3技术说明，标记PDF的阅读顺序主要由元素标签顺序决定。标签内部内容还受到PDF内容树结构影响。

双栏页面很容易出错。视觉读者从左栏顶部读到底，再进入右栏。错误内容树可能逐行跨越两栏，把教师提示和学生文本拼成无意义句子。

阅读顺序应实际听测。用屏幕阅读器从标题进入正文，核对段落、列表、图注、表格和页码是否按语义出现。不能只依赖编辑软件的标签预览。

键盘顺序也要检查。链接、表单或活动按钮应以符合任务的次序取得焦点。W3C建议使用Tab键或能显示页面对象设置的工具验证。

可搜索文字支持查找和复制，正确标签顺序才让辅助技术按有意义次序导航。两项都通过，仍要检查文字内容是否与视觉页面一致。

扫描页需要文字层与人工复核

旧教材常由纸本扫描而来。页面图像能保留版面，却让搜索、复制、朗读和字体调整失效。光学字符识别可以生成文字层，但会产生识别错误。

早期识字材料对单字错误特别敏感。把b识别成d、漏掉短元音或交换词序，可能直接破坏教学目标。一般文章的一处小错，在声音字母练习中不是小事。

OCR后应按教学风险抽样。检查目标词表、最小对立词、练习答案、字母名称和教师提示。随机抽页不足以覆盖最关键内容。

文字层还需与页面位置合理对应。高亮错位会让儿童看见一个词、听见另一个词。屏幕阅读器测试和视觉选字测试应同时进行。

无法可靠识别的手写或复杂页面，可保留高分辨率图像并提供经核对的替代文字。不要用未经复核的OCR冒充准确转录。

字体决定离线时能否保持字形

PDF可以嵌入字体，也可以依赖系统已有字体。未嵌入字体在创建电脑上正常，换设备后可能被替换。

替换字体不只改变外观。早期识字材料中的a和g字形、笔画提示、字母间距与拼读标记可能承担教学作用。替换后仍可阅读，却不一定适合原活动。

Library of Congress的高质量PDF偏好包括可搜索文字与嵌入字体。检查文档属性中的字体列表，并在断网的另一台设备打开比对。

嵌入字体也不是万灵药。字体许可需要允许嵌入，错误编码仍会导致复制乱码。视觉、搜索、复制与朗读四项应分别测试。

若无法嵌入特定教学字体，记录替代字体和受影响页面。不要静默转换后沿用原版名称。

外部依赖会在路径恢复后继续失效

PDF中的链接可能指向音频、视频、词表、答案或教师活动页。主文件恢复，不表示这些外部资源仍存在。

盘点每一项链接，记录它是补充资料还是完成任务所必需。关键音频若只存在于远端，离线课堂无法执行声音辨识活动。

能够合法保存的依赖，应与主PDF一起存放，并记录相对关系、文件名、校验值和许可。不能保存时，准备同一教学目标的离线替代活动。

链接测试要包含断网条件。在线时浏览器缓存可能让资源看似可用，清空缓存或换设备后才会暴露依赖。

二维码也是链接，不是永久资源。保存二维码图片却不保存目标说明，会在目标失效后留下无法解释的图案。

用识字任务确认内容属于预期版本

技术结构完整，仍不能证明教材是课堂需要的版本。要回到教学任务核对内容。

IES建议建立口语声音片段与字母的联系，并教授解码、词部分析、书写和词语识别。目标词、声音提示和活动顺序若在候选文件中变化，教学难度会改变。

建立三个任务。第一项从教师说明找到本课目标声音和字母。第二项请成人按指南带儿童解码三个目标词。第三项让儿童阅读一段连贯文本。

IES还建议每名学生每天阅读连贯文本，以支持准确度、流利度和理解。候选文件若只剩孤立词卡，而原记录显示有故事段落，就不是完整替代。

记录完成任务所需页面、附件与提示。只写“内容大致相同”无法在下次恢复时重做判断。

任务通过也不代表适合所有儿童。字体大小、语言、辅助技术和既有识字水平仍需按实际学生调整。

比较修订时分开内容和包装

两个PDF校验值不同后，可以把差异分为包装、呈现、结构与教学内容。

包装差异包括创建时间、压缩和无关元数据。呈现差异包括字体、图像分辨率与颜色。结构差异涉及书签、标签、阅读顺序和链接。教学差异则包括词表、活动、答案与说明。

包装变化可能不影响课堂，教学差异则必须由教师确认。结构变化若改善无障碍，也可能是值得采用的新修订。

不要为了得到相同校验值而删除元数据或重新保存。任何重新保存都会产生新文件，应分配新记录并说明转换目的。

若决定以新版替代旧版，保留旧版身份卡和迁移决定。以后看到不同摘要时，才能知道差异经过审核，而非保存故障。

权利与来源不能从文件结构推断

一份PDF结构完整、标签正确，也可能来自未经授权的转载。另一份得到合法许可的教材，也可能因制作疏忽而缺少文字层。法律来源与技术质量要各自留证。

来源页面应保存发布者对文件的称呼、许可或使用说明。只有第三方镜像时，记录镜像角色和无法确认的项目，不把镜像域名写成原出版者。

校验值可以证明手中副本与曾经记录的字节一致，却无法证明第一次取得时的说明真实。版本声明还需与发布者页面、文件内部信息和修订记录交叉核对。

课堂需要摘录、打印或分发时，应依实际许可判断。恢复记录帮助找到证据，不代替版权与隐私审查。

转换格式要保留前后两条证据链

把扫描PDF加入OCR、修复标签或转换PDF／A，都会生成新的字节。新文件可能更可访问、更适合保存，但不应覆盖原始副本。

转换记录写明输入摘要、输出摘要、工具版本、选项、日期与操作者。再列出有意改变的项目，例如加入文字层、嵌入字体或调整标签顺序。

自动转换的成功状态不够。抽查目标词、页码、图像和链接，再完成朗读顺序与识字任务。工具没有报错，只能说明它完成了自己的处理流程。

若转换移除音频或附件，必须把损失写进说明。归档版、无障碍修复版和课堂工作版可以并存，各自拥有版本名称与适用目的。

固定性审计要保存失败与处置

审计清单不只列通过项目。某份副本无法读取、摘要不符或介质离线，都要记录日期、范围与处置。否则下一次只能看到一组漂亮的通过率。

NARA数字保存策略要求生成固定性信息并进行周期抽样审计。家庭或学校可按资料数量和风险调整频率，但每次应使用同一算法和明确的文件清单。

抽样适合发现系统性问题，却不能证明未抽中的每个文件都正常。核心教师指南、唯一音频和许可记录可以设为每次必查，其余教材轮换抽查。

恢复成功后也保留损坏副本的摘要与事件记录，避免它再次被同步为正确版本。处置完成不等于删除证据，事件本身属于保存历史。

用受控比较定位恢复差异

同一文件换两款阅读器，可以观察软件实现差异。同一阅读器打开原版和转换版，可以观察文件变化。同时更换文件、设备和软件，则难以判断原因。

视觉页面正常而屏幕朗读错序时，优先检查标签与内容树。搜索不到目标词时，检查文字层和编码。只有一台设备字形异常时，再比较字体嵌入与阅读器替代。

PDF可同时包含文字、图像、字体、元数据、链接、书签和结构信息。PDF／A强调设备独立、自包含与静态视觉外观的长期保存。两项事实说明格式容器与归档配置各有范围。

标记PDF的朗读路径取决于标签和内容树。检索功能与结构导航属于两项测试，受控比较应分别验证。

两副本保存不等于两个文件名

把同一硬盘上的文件复制到两个文件夹，无法抵御硬盘故障。两份副本应处于独立介质或独立故障范围。

每份副本保存相同恢复卡和校验值。副本名称可加入日期与版本，但名称变化不应改变文件字节。

定期抽样复核摘要。频率取决于介质、数量和使用风险。课堂频繁编辑的工作副本与只读保存副本要分开，避免误写被同步到所有位置。

发现摘要变化时，停止覆盖其他副本。先隔离异常文件，重新计算其摘要，再从已验证副本恢复。保留事件日期与处理结果。

云端同步可以是一份副本，却不自动等于版本保存。同步服务可能把误删或损坏迅速传播，需要另有历史版本或离线副本。

从空白设备执行恢复演练

真正的恢复测试不是在原电脑再次打开文件。选择一台没有缓存、没有原字体和没有登录状态的设备，从恢复卡开始。

取得保存副本后，先计算SHA-256并与记录比对。再检查PDF版本、页数、文字搜索、字体和链接。网络关闭时完成一次朗读与键盘顺序测试。

随后执行三项识字任务：找到声音字母目标、完成三个词的解码活动、阅读连贯段落。需要外部资源时，确认离线包或替代活动可用。

记录失败位置。校验值不符属于字节问题；文字找不到属于文字层问题；朗读跳栏属于结构问题；活动缺页属于内容或版本问题。

修复后生成新摘要，不能沿用旧值。若改变了教学内容或顺序，还要更新版本说明并重新进行任务验证。

八层恢复卡让结论停在证据内

第一层记录来源、取得日期与许可说明。第二层记录标题、责任主体、版本、修订、页数和结构指纹。

第三层记录文件大小、SHA-256和计算日期。第四层记录PDF标识、PDF/A配置与验证工具结果。

第五层检查可搜索文字、复制结果、字体与图像质量。第六层检查标签、朗读顺序、键盘顺序与必要替代文字。

第七层列出音频、链接、附件和教师说明等依赖。第八层保存声音字母、解码与连贯文本三项任务结果。

记录来源、版本、SHA-256、文字字体、标签顺序、依赖与识字任务，并从第二副本完成恢复演练。八层都可复查，才有条件说教材已恢复到可用状态。

PDF/A不自动保证无障碍或教学正确，校验值相同也不证明来源、授权与版本声明真实。同名文件能够打开，只是恢复工作的起点，不是结论。

资料来源

• Library of Congress：《PDF (Portable Document Format) Family》，发布或更新于 2023-08-29
• Library of Congress：《PDF/A Family, PDF for Long-term Preservation》，发布或更新于 2024-05-08
• National Archives and Records Administration：《Digital Preservation Strategy 2022-2026》，发布或更新于 2022-06-30
• World Wide Web Consortium：《PDF3: Ensuring correct tab and reading order in PDF documents》，发布或更新于 2025-07-15
• Institute of Education Sciences：《Foundational Skills to Support Reading for Understanding in Kindergarten Through 3rd Grade》，发布或更新于 2019-12-01