Qué hace accesible a un PDF: etiquetas, orden de lectura, idioma, título y marcadores

Un PDF es, en esencia, una descripción de cómo pintar trazos y glifos sobre una página. Nada en ese modelo dice qué es un título, qué es una tabla o en qué orden debe leerse el texto. Para que un lector de pantalla o un reflujo en móvil funcionen, el fichero necesita una capa adicional de estructura lógica. Esta lección explica cuáles son los elementos de esa capa y cómo se relacionan con las WCAG 2.2, la EN 301 549 (PDF, se abre en una ventana nueva) y la norma ISO 14289 (PDF/UA).

El árbol de etiquetas: la columna vertebral

La estructura lógica de un PDF se almacena en el árbol de etiquetas (tag tree). Cada fragmento de contenido se asocia a un elemento de estructura con un tipo: Document, H1–H6, P, L/LI/Lbl/LBody para listas, Table/TR/TH/TD, Figure, Link, Form, Note, TOC, etc. Es el equivalente del DOM en HTML: sin él, el lector de pantalla recibe un chorro de texto sin jerarquía, sin saltos entre celdas y sin forma de saltar por encabezados.

Los elementos de estructura deben anidarse correctamente: una lista contiene LI, cada LI contiene un Lbl (la viñeta o número) y un LBody; una tabla contiene TR, y cada fila celdas TH o TD. Un encabezado H3 después de un H1 sin H2 intermedio es un fallo en PDF/UA-1, igual que un P suelto dentro de una tabla fuera de cualquier celda.

Artefactos: lo que no debe leerse

Todo lo que es decorativo o repetitivo (cabeceras y pies de página, números de página, líneas de separación, fondos, marcas de agua) debe marcarse como artefacto. Un artefacto queda fuera del árbol y el lector de pantalla lo ignora. El error contrario es muy común: documentos donde cada página interrumpe la lectura con «Memoria anual 2025 — página 14 de 120».

Orden de lectura y orden visual

El árbol de etiquetas define el orden lógico de lectura, que no tiene por qué coincidir con el orden en que se dibujaron los objetos en la página ni con el orden visual de un diseño a varias columnas. Esto responde al criterio 1.3.2 Secuencia significativa. Un folleto a tres columnas con un recuadro destacado debe leerse columna a columna y el recuadro donde tenga sentido, no mezclado línea a línea entre columnas, que es lo que ocurre cuando el PDF se ha generado sin estructura y el lector «adivina» el orden por la posición.

Acrobat mantiene además un orden de contenido (panel Orden), que es el usado para el reflujo y por algunas tecnologías de apoyo antiguas. En la práctica conviene que árbol de etiquetas y orden de contenido coincidan.

Idioma, título y metadatos

• Idioma del documento (/Lang en el catálogo): necesario para que el sintetizador de voz use la pronunciación correcta. Corresponde a 3.1.1 Idioma de la página. Un PDF en español leído con voz inglesa es prácticamente ininteligible.
• Cambios de idioma en fragmentos (atributo Lang sobre un elemento de estructura): corresponde a 3.1.2 Idioma de las partes, por ejemplo una cita en catalán dentro de un informe en castellano.
• Título: el campo dc:title de los metadatos XMP debe estar relleno y la opción de vista inicial debe mostrar el título del documento, no el nombre del fichero (DisplayDocTitle). Es el equivalente de 2.4.2 Página titulada. «informe_final_v3_DEF.pdf» no es un título.
• Identificación PDF/UA: si el documento declara conformidad, lleva en XMP la entrada pdfuaid:part con el valor 1 o 2.

Marcadores, enlaces y navegación

Los marcadores (bookmarks) son el índice navegable que aparece en el panel lateral de los visores. En documentos largos son la forma más rápida de moverse tanto para personas con lector de pantalla como para cualquier usuario; los marcadores son una técnica documentada de las WCAG (PDF2) y algunos validadores avisan cuando un documento largo carece de ellos; la buena práctica es incluirlos siempre que haya encabezados. Deben reflejar la jerarquía real de títulos.

Los enlaces deben estar etiquetados como Link con su anotación asociada y tener un texto que indique su propósito (2.4.4 Propósito de los enlaces (en contexto)). Una URL larga impresa como texto se lee carácter a carácter; es preferible texto descriptivo o, si la URL debe verse, un texto alternativo en el elemento Link.

Texto, fuentes y figuras

Para que el texto sea extraíble, cada glifo debe tener una correspondencia con Unicode (tabla ToUnicode) y las fuentes deben estar incrustadas. Un PDF escaneado sin OCR es una imagen: no tiene texto, y falla 1.1.1 y todo lo demás. Un PDF con fuentes sin mapa Unicode produce lecturas tipo «■■■» o caracteres cambiados (ligaduras «fi» que desaparecen).

Las figuras deben llevar texto alternativo (/Alt) o marcarse como artefacto si son decorativas (1.1.1 Contenido no textual). Para gráficos complejos, el alt breve puede complementarse con una descripción en el cuerpo del documento. El contraste de color (1.4.3) y el uso del color (1.4.1) se evalúan igual que en web.

PDF/UA: la norma específica

PDF/UA (ISO 14289) es el estándar que define qué debe cumplir un fichero PDF para que las tecnologías de apoyo puedan acceder a él. PDF/UA-1 (ISO 14289-1:2014) se apoya en PDF 1.7; PDF/UA-2 (ISO 14289-2:2024) se apoya en PDF 2.0 y en su nuevo conjunto de etiquetas. PDF/UA no sustituye a las WCAG: PDF/UA garantiza que la estructura es técnicamente correcta y completa, pero no juzga si el texto alternativo es bueno, si el contraste es suficiente o si el lenguaje es claro. La EN 301 549, en su capítulo 10, aplica a los documentos no web los criterios WCAG de nivel A y AA; en un pliego público o una auditoría se evalúa normalmente contra la EN y se usa PDF/UA como referencia técnica.

Resumen

• La accesibilidad de un PDF vive en su estructura lógica: árbol de etiquetas correcto y anidado, y artefactos para lo decorativo.
• El orden lógico de lectura debe reflejar el sentido del contenido, no la posición en la página (1.3.2).
• Idioma del documento, título en metadatos con DisplayDocTitle, marcadores y enlaces descriptivos son obligatorios en la práctica.
• Texto con mapa Unicode y fuentes incrustadas; figuras con alt o como artefacto.
• PDF/UA (ISO 14289) define la corrección técnica; la EN 301 549 capítulo 10 y las WCAG definen la accesibilidad del contenido. Ambas se necesitan.