Cómo reparar un PDF dañado

Un archivo que ayer se abría hoy da error. O no se abre en ningún programa, incluido el que lo creó. Una parte de esos archivos se arregla en un minuto, otra no se arregla en absoluto, y la diferencia se ve de antemano si sabes dónde mirar.

Por qué las demás herramientas se niegan a aceptar el archivo

Hay un detalle que conviene saber antes que nada. Al subir cualquier PDF se comprueba algo más que la cabecera del archivo: también debe estar presente la marca de fin de documento. Un archivo que empieza como PDF y se corta a la mitad se rechaza en el acto con un mensaje que dice que el documento está truncado o incompleto.

De esa comprobación hay exactamente una excepción, y es repair-pdf. Existe justamente para tratar con los archivos que no pasan el control de entrada. Así que la secuencia va al revés de lo habitual: que ninguna herramienta acepte un archivo no es motivo para buscar otro servicio, es una señal para ir a reparación.

Con las contraseñas ocurre lo mismo. La reparación no exige que el archivo se abra, pero sí exige que no esté cifrado: un documento con contraseña de apertura detiene la tarea con una petición clara de quitar antes la protección con unlock-pdf. En cambio, un archivo que simplemente no se deja analizar sí entra a trabajo.

Dos modos, y la diferencia entre ellos es de fondo

Los modos son exactamente dos, y no son «más flojo» y «más fuerte». Son dos maneras distintas de obtener un archivo, y la segunda sacrifica contenido para garantizar que el resultado se abra.

El segundo modo hay que tomarlo al pie de la letra. No intenta salvar los objetos del documento, los tira. Las páginas se dibujan como imágenes al doble de resolución y con ellas se monta un archivo nuevo. Un documento así se abre siempre, porque dentro no hay más que imágenes.

Qué mostró la medición sobre un archivo roto

El sujeto fue un documento de cuatro páginas y 4 KB con la tabla de referencias cruzadas dañada, ese índice interno por el que un programa localiza los objetos del archivo.

La distancia entre la primera fila y la tercera es de ciento setenta veces en peso y total en contenido. Intentar sacar texto del resultado agresivo devuelve nada: allí no hay letras, hay píxeles con forma de letras.

El mismo documento, truncado al 98 por ciento de su longitud y sin marca de fin, salió entero del modo seguro: las cuatro páginas con su texto. Esa es la medida de la frecuencia con que el segundo modo hace falta de verdad.

El orden de la recuperación

1. Abre repair-pdf y sube el archivo. Aquí no aparecerá el error de documento incompleto. 2. Deja marcado el modo seguro. Es el predeterminado y es por donde hay que empezar. 3. Deja activado el interruptor de reconstrucción y compresión. 4. Lanza el procesamiento y descarga el resultado. 5. Abre el archivo e intenta seleccionar el texto, no solo mirar la página. 6. Solo si eso no dio nada, vuelve y repite en modo agresivo.

El quinto punto importa más de lo que parece. Un documento que se abre y se ve bien todavía no está reparado: lo que hay que comprobar es la selección y la búsqueda, porque son ellas las que separan un documento arreglado de una bonita imagen.

Qué hace el interruptor de reconstrucción

El modo seguro lleva un interruptor aparte de reconstrucción y compresión, activado por defecto. Controla si los flujos de las páginas se reescriben de nuevo o se trasladan tal cual.

En la medición anterior la reconstrucción dio 3,6 KB frente a 4,1 KB, alrededor de una décima parte menos. En documentos grandes la distancia se nota más, y el asunto no es tanto el ahorro como la limpieza: un archivo montado de nuevo no arrastra los restos de la estructura vieja, que es lo que impedía abrirlo en algunos programas.

Hay un caso para desactivarlo: si después de una reparación con reconstrucción algo del documento se ve raro. Una segunda pasada sin ella dirá entonces si ese paso tiene la culpa.

En modo agresivo el interruptor no hace nada, porque allí el documento se monta desde cero de todos modos.

Qué ocurre antes de que pulses nada

El servicio tiene una red de seguridad incorporada que funciona en todas las herramientas, no solo en la reparación. Si un archivo no se deja analizar al abrirlo por primera vez, se hace automáticamente un intento de arreglo con otro motor: el documento se vuelve a guardar con los objetos basura limpiados, y si después se lee, el procesamiento sigue como si nada.

La consecuencia práctica es que parte de los archivos ligeramente rotos se arreglan solos durante cualquier operación y tú no te enteras. Ir a reparación a propósito tiene sentido cuando esa automatización no pudo y la tarea se detuvo con un mensaje de archivo ilegible.

Esa red ayuda sobre todo con archivos salidos de programas de ingeniería y dibujo técnico: pueden ser formalmente correctos y llevar campos tan largos que un analizador corriente se niega a leerlos.

Lo que la reparación no puede hacer

No devuelve datos que no están. Si el archivo se truncó durante una descarga y falta físicamente la mitad de las páginas, ningún modo se las inventará: la estructura se reconstruye alrededor de lo que sobrevivió y el resultado sale más corto que el original.

Comprobarlo es sencillo. Mira el número de páginas del resultado. Si hay menos de las que debería, lo que falta está perdido, y a partir de ahí se busca el original o una copia, no un ajuste.

Tampoco sabe de antemano cuán dañado está un archivo. Si va a ceder no se predice por su aspecto, así que hay que juzgar el resultado y no la entrada.

Ni repara el contenido de una página. Cuando los flujos mismos o las fuentes incrustadas están dañados, el documento se abre pero el texto sigue ilegible. En esa situación el modo agresivo resulta inesperadamente útil: fija lo que el programa todavía consigue dibujar y lo convierte en un archivo estable. Devolverlo a texto es tarea del reconocimiento con ocr-pdf, con una calidad por debajo del original y muy por encima de nada.

Una última palabra sobre el peso. El resultado agresivo es pesado porque está hecho de imágenes. Si ese archivo tiene que viajar a algún sitio, pásalo por compress-pdf; los documentos hechos de imágenes son justo donde la compresión mejor funciona.