Beschädigtes PDF reparieren

Beschädigte PDF reparieren

Eine Datei, die gestern noch aufging, wirft heute einen Fehler. Oder sie öffnet sich in gar keinem Programm mehr, auch nicht in dem, das sie erzeugt hat. Ein Teil dieser Dateien ist in einer Minute repariert, ein Teil gar nicht, und der Unterschied ist vorher erkennbar, wenn man weiß, wohin zu schauen ist.

Warum andere Werkzeuge die Datei gar nicht annehmen

Eine Eigenheit gehört vor alles andere. Beim Hochladen einer PDF wird mehr geprüft als der Dateikopf: die Markierung für das Dokumentende muss ebenfalls vorhanden sein. Eine Datei, die wie eine PDF beginnt und mittendrin abbricht, wird sofort mit der Meldung abgewiesen, das Dokument sei abgeschnitten oder unvollständig.

Von dieser Prüfung gibt es genau eine Ausnahme, und das ist repair-pdf. Es existiert eben dafür, mit Dateien umzugehen, die an der Eingangskontrolle scheitern. Die Reihenfolge läuft damit anders als gewohnt: dass kein Werkzeug die Datei annimmt, ist kein Grund, einen anderen Dienst zu suchen, sondern ein Hinweis auf die Reparatur.

Mit Kennwörtern verhält es sich ebenso. Die Reparatur verlangt nicht, dass die Datei aufgeht, wohl aber, dass sie nicht verschlüsselt ist: ein Dokument mit Öffnungskennwort hält die Aufgabe mit der klaren Bitte an, den Schutz zuerst über unlock-pdf abzunehmen. Eine Datei, die sich lediglich nicht auseinandernehmen lässt, wird dagegen angenommen.

Zwei Modi, und der Unterschied ist grundsätzlich

Es gibt genau zwei Modi, und sie sind nicht „schwächer“ und „stärker“. Es sind zwei verschiedene Wege zu einer Datei, und der zweite opfert Inhalt dafür, dass sich das Ergebnis garantiert öffnen lässt.

Den zweiten Modus sollte man wörtlich nehmen. Er versucht nicht, die Objekte des Dokuments zu retten, er wirft sie weg. Die Seiten werden in doppelter Auflösung als Bilder gezeichnet, und daraus entsteht eine neue Datei. So ein Dokument geht immer auf, weil darin nichts als Bilder steckt.

Was die Messung an einer kaputten Datei ergab

Genommen wurde ein vierseitiges Dokument von 4 KB mit beschädigter Querverweistabelle, jenem internen Verzeichnis, über das ein Programm die Objekte der Datei findet.

Der Abstand zwischen erster und dritter Zeile beträgt das Hundertsiebzigfache im Gewicht und ist vollständig im Inhalt. Der Versuch, Text aus dem aggressiven Ergebnis zu ziehen, liefert nichts: dort stehen keine Buchstaben, dort stehen Pixel in Buchstabenform.

Dasselbe Dokument, bei 98 Prozent seiner Länge abgeschnitten und ohne Endmarkierung, kam aus dem sicheren Modus vollständig zurück: alle vier Seiten mit ihrem Text. Das ist der Maßstab dafür, wie oft der zweite Modus wirklich gebraucht wird.

Die Reihenfolge der Wiederherstellung

1. Öffnen Sie repair-pdf und laden Sie die Datei hoch. Der Fehler zum unvollständigen Dokument erscheint hier nicht. 2. Lassen Sie den sicheren Modus stehen. Er ist voreingestellt und der richtige Anfang. 3. Lassen Sie den Schalter für Neuaufbau und Komprimierung an. 4. Starten Sie die Verarbeitung und laden Sie das Ergebnis herunter. 5. Öffnen Sie die Datei und versuchen Sie, den Text zu markieren, statt die Seite nur anzuschauen. 6. Erst wenn daraus nichts wurde, kehren Sie zurück und wiederholen im aggressiven Modus.

Punkt fünf wiegt schwerer, als er aussieht. Ein Dokument, das aufgeht und richtig aussieht, ist noch nicht repariert: zu prüfen sind Markieren und Suchen, denn sie unterscheiden ein geheiltes Dokument von einem hübschen Bild.

Was der Schalter für den Neuaufbau bewirkt

Der sichere Modus hat einen eigenen Schalter für Neuaufbau und Komprimierung, voreingestellt an. Er entscheidet, ob die Seitenströme neu geschrieben oder unverändert übernommen werden.

In der Messung oben ergab der Neuaufbau 3,6 KB gegenüber 4,1 KB, also rund ein Zehntel weniger. Bei großen Dokumenten fällt der Abstand deutlicher aus, und es geht dabei weniger um die Ersparnis als um die Sauberkeit: eine frisch zusammengesetzte Datei schleppt die Reste der alten Struktur nicht mit, an denen sie in manchen Betrachtern hängengeblieben ist.

Einen Grund zum Abschalten gibt es: wenn nach einer Reparatur mit Neuaufbau etwas im Dokument seltsam aussieht. Ein zweiter Lauf ohne ihn zeigt dann, ob dieser Schritt schuld ist.

Im aggressiven Modus bewirkt der Schalter nichts, dort wird das Dokument ohnehin von Grund auf neu gebaut.

Was passiert, bevor Sie irgendetwas drücken

Der Dienst hat ein eingebautes Sicherheitsnetz, das in allen Werkzeugen greift und nicht nur in der Reparatur. Lässt sich eine Datei beim ersten Öffnen nicht auseinandernehmen, wird automatisch ein Reparaturversuch mit einer anderen Maschine unternommen: das Dokument wird mit ausgeräumten Müllobjekten neu gespeichert, und liest es sich danach, läuft die Verarbeitung weiter, als wäre nichts gewesen.

Praktisch heißt das: ein Teil der leicht beschädigten Dateien heilt bei jeder beliebigen Operation von selbst, und Sie erfahren es nie. Absichtlich zur Reparatur zu gehen lohnt sich dann, wenn diese Automatik es nicht geschafft hat und die Aufgabe mit der Meldung stehenblieb, die Datei sei nicht lesbar.

Das Netz hilft am häufigsten bei Dateien aus Ingenieur- und Zeichenprogrammen: die können formal korrekt sein und dabei Felder von einer Länge führen, die ein gewöhnlicher Parser zu lesen verweigert.

Was die Reparatur nicht kann

Sie bringt keine Daten zurück, die es nicht gibt. Wurde die Datei beim Herunterladen abgeschnitten und fehlt die Hälfte der Seiten körperlich, erfindet sie kein Modus: die Struktur wird um das Überlebende herum neu gebaut, und das Ergebnis fällt kürzer aus als das Original.

Das zu prüfen ist einfach. Schauen Sie auf die Seitenzahl im Ergebnis. Sind es weniger, als es sein sollten, ist das Fehlende verloren, und weiter zu suchen ist nach dem Original oder einer Sicherung, nicht nach Einstellungen.

Sie weiß auch nicht im Voraus, wie schwer eine Datei beschädigt ist. Ob sie nachgibt, lässt sich am Aussehen nicht vorhersagen, zu beurteilen ist also das Ergebnis und nicht die Eingabe.

Und sie repariert den Inhalt einer Seite nicht. Sind die Ströme selbst oder die eingebetteten Schriften beschädigt, öffnet sich das Dokument, der Text bleibt aber unleserlich. In dieser Lage ist der aggressive Modus unerwartet nützlich: er hält fest, was das Programm noch zeichnen kann, und macht daraus eine stabile Datei. Zurück in Text bringt das die Erkennung über ocr-pdf, in einer Qualität unter dem Original und weit über dem Nichts.

Ein letztes Wort zum Gewicht. Das aggressive Ergebnis ist schwer, weil es aus Bildern besteht. Muss diese Datei irgendwohin, schicken Sie sie durch compress-pdf; Dokumente aus Bildern sind genau der Fall, in dem Kompression am besten wirkt.