Réparer un PDF endommagé

Un fichier qui s'ouvrait hier renvoie une erreur aujourd'hui. Ou ne s'ouvre dans aucun logiciel, y compris celui qui l'a produit. Une partie de ces fichiers se répare en une minute, une autre ne se répare pas du tout, et la différence se voit à l'avance quand on sait où regarder.

Pourquoi les autres outils refusent d'accepter le fichier

Un détail mérite d'être connu avant tout le reste. Au chargement de n'importe quel PDF, la vérification porte sur plus que l'en-tête du fichier : la marque de fin de document doit également être présente. Un fichier qui commence comme un PDF et s'interrompt à mi-course est refusé sur-le-champ, avec un message disant que le document est tronqué ou incomplet.

Cette vérification connaît exactement une exception, et c'est repair-pdf. Il existe précisément pour traiter les fichiers qui échouent au contrôle d'entrée. La suite des gestes va donc à l'envers de l'habitude : qu'aucun outil n'accepte un fichier n'est pas une raison de chercher un autre service, c'est une indication d'aller vers la réparation.

Il en va de même pour les mots de passe. La réparation n'exige pas que le fichier s'ouvre, mais elle exige qu'il ne soit pas chiffré : un document sous mot de passe d'ouverture arrête la tâche en demandant clairement de lever d'abord la protection via unlock-pdf. Un fichier qui se contente d'être illisible à l'analyse, lui, est pris en charge.

Deux modes, et la différence entre eux est de nature

Les modes sont exactement deux, et il ne s'agit pas de « plus faible » et « plus fort ». Ce sont deux façons différentes d'obtenir un fichier, et la seconde sacrifie du contenu pour garantir que le résultat s'ouvre.

Le second mode se prend au pied de la lettre. Il ne cherche pas à sauver les objets du document, il les jette. Les pages sont dessinées en images au double de la résolution, et un nouveau fichier est monté à partir d'elles. Un document pareil s'ouvre toujours, puisqu'il n'y a rien dedans que des images.

Ce qu'a montré la mesure sur un fichier cassé

Le sujet : un document de quatre pages et 4 Ko dont la table de références croisées a été abîmée, cet index interne par lequel un programme retrouve les objets du fichier.

L'écart entre la première ligne et la troisième est de cent soixante-dix fois en poids et total en contenu. Tenter d'extraire du texte du résultat agressif ne renvoie rien : il n'y a pas de lettres là-dedans, il y a des pixels en forme de lettres.

Le même document, tronqué à 98 pour cent de sa longueur et privé de marque de fin, est ressorti entier du mode sûr : les quatre pages avec leur texte. Voilà la mesure de la fréquence à laquelle le second mode est réellement nécessaire.

L'ordre de la récupération

1. Ouvrez repair-pdf et chargez le fichier. L'erreur de document incomplet n'apparaîtra pas ici. 2. Laissez le mode sûr sélectionné. C'est celui par défaut, et c'est par là qu'il faut commencer. 3. Laissez activé l'interrupteur de reconstruction et de compression. 4. Lancez le traitement et téléchargez le résultat. 5. Ouvrez le fichier et essayez de sélectionner le texte, pas seulement de regarder la page. 6. Seulement si cela n'a rien donné, revenez et recommencez en mode agressif.

Le cinquième point pèse plus lourd qu'il n'y paraît. Un document qui s'ouvre et paraît correct n'est pas encore réparé : ce qu'il faut vérifier, c'est la sélection et la recherche, car ce sont elles qui séparent un document guéri d'une jolie image.

Ce que fait l'interrupteur de reconstruction

Le mode sûr porte un interrupteur distinct de reconstruction et de compression, activé par défaut. Il décide si les flux des pages sont réécrits à neuf ou repris tels quels.

Dans la mesure ci-dessus, la reconstruction a donné 3,6 Ko contre 4,1 Ko, soit environ un dixième de moins. Sur les gros documents l'écart se voit davantage, et l'enjeu tient moins à l'économie qu'à la propreté : un fichier remonté à neuf ne traîne pas les restes de l'ancienne structure, ceux-là mêmes qui l'empêchaient de s'ouvrir dans certains logiciels.

Il y a un cas pour le désactiver : si, après une réparation avec reconstruction, quelque chose dans le document paraît de travers. Une seconde passe sans elle dira alors si cette étape est en cause.

En mode agressif l'interrupteur ne fait rien, le document y étant de toute façon monté de zéro.

Ce qui se passe avant que vous n'appuyiez sur quoi que ce soit

Le service dispose d'un filet de sécurité intégré qui joue dans tous les outils et pas seulement dans la réparation. Si un fichier résiste à l'analyse à la première ouverture, une tentative de réparation est faite automatiquement avec un autre moteur : le document est réenregistré, objets parasites nettoyés, et s'il se lit ensuite, le traitement continue comme si de rien n'était.

Conséquence pratique : une partie des fichiers légèrement cassés se soignent d'eux-mêmes pendant n'importe quelle opération, et vous n'en saurez rien. Aller délibérément vers la réparation a du sens lorsque cette automatisation n'y est pas parvenue et que la tâche s'est arrêtée sur un message d'illisibilité.

Ce filet sert le plus souvent aux fichiers issus des logiciels d'ingénierie et de dessin technique : ils peuvent être formellement corrects tout en portant des champs d'une longueur qu'un analyseur ordinaire refuse de lire.

Ce que la réparation ne sait pas faire

Elle ne ramène pas de données absentes. Si le fichier a été tronqué pendant un téléchargement et que la moitié des pages manque physiquement, aucun mode ne les inventera : la structure est remontée autour de ce qui a survécu, et le résultat sort plus court que l'original.

Le vérifier est simple. Regardez le nombre de pages du résultat. S'il y en a moins qu'il ne devrait, ce qui manque est perdu, et la recherche porte dès lors sur l'original ou une sauvegarde, pas sur un réglage.

Elle ne sait pas davantage à l'avance à quel point un fichier est abîmé. Sa capacité à céder ne se prédit pas à son allure : c'est le résultat qu'il faut juger, pas l'entrée.

Elle ne répare pas non plus le contenu d'une page. Quand les flux eux-mêmes ou les polices incorporées sont abîmés, le document s'ouvre mais le texte reste illisible. Dans cette situation le mode agressif se révèle étonnamment utile : il fige ce que le programme parvient encore à dessiner et en fait un fichier stable. Le ramener en texte relève de la reconnaissance via ocr-pdf, à une qualité inférieure à l'original et très supérieure à rien.

Un dernier mot sur le poids. Le résultat agressif est lourd parce qu'il est fait d'images. Si ce fichier doit voyager quelque part, passez-le par compress-pdf ; les documents faits d'images sont exactement là où la compression donne le plus.