Como recuperar um PDF corrompido

Como reparar um PDF danificado

Um arquivo que ontem abria hoje dá erro. Ou não abre em programa nenhum, inclusive naquele que o criou. Parte desses arquivos se conserta em um minuto, parte não se conserta de jeito nenhum, e a diferença aparece de antemão quando se sabe onde olhar.

Por que as outras ferramentas se recusam a aceitar o arquivo

Há um detalhe que vale saber antes de tudo. Ao enviar qualquer PDF, a checagem vai além do cabeçalho do arquivo: a marca de fim de documento também precisa estar presente. Um arquivo que começa como PDF e se interrompe no meio é rejeitado na hora, com uma mensagem dizendo que o documento está truncado ou incompleto.

Dessa checagem existe exatamente uma exceção, e ela é o repair-pdf. Ele existe justamente para lidar com arquivos que não passam no controle de entrada. A ordem dos passos, portanto, é o inverso da habitual: nenhuma ferramenta aceitar o arquivo não é motivo para procurar outro serviço, é uma indicação de ir para a reparação.

Com senhas acontece o mesmo. A reparação não exige que o arquivo abra, mas exige que ele não esteja cifrado: um documento com senha de abertura para a tarefa com um pedido claro de remover antes a proteção pelo unlock-pdf. Já um arquivo que simplesmente não se deixa analisar entra para o trabalho.

Dois modos, e a diferença entre eles é de fundo

Os modos são exatamente dois, e não são «mais fraco» e «mais forte». São duas maneiras diferentes de obter um arquivo, e a segunda sacrifica conteúdo para garantir que o resultado abra.

O segundo modo deve ser lido ao pé da letra. Ele não tenta salvar os objetos do documento, ele os joga fora. As páginas são desenhadas como imagens no dobro da resolução, e delas se monta um arquivo novo. Um documento assim sempre abre, porque dentro dele não há nada além de imagens.

O que a medição num arquivo quebrado mostrou

O objeto foi um documento de quatro páginas e 4 KB com a tabela de referências cruzadas danificada, aquele índice interno pelo qual um programa localiza os objetos do arquivo.

A distância entre a primeira linha e a terceira é de cento e setenta vezes em peso e total em conteúdo. Tentar extrair texto do resultado agressivo devolve nada: ali não há letras, há pixels em forma de letras.

O mesmo documento, truncado a 98 por cento do comprimento e sem marca de fim, saiu inteiro do modo seguro: as quatro páginas com o texto. Essa é a medida da frequência com que o segundo modo é realmente necessário.

A ordem da recuperação

1. Abra o repair-pdf e envie o arquivo. O erro de documento incompleto não aparecerá aqui. 2. Deixe marcado o modo seguro. Ele é o padrão e é por onde se começa. 3. Deixe ligada a chave de reconstrução e compressão. 4. Rode o processamento e baixe o resultado. 5. Abra o arquivo e tente selecionar o texto, não apenas olhar a página. 6. Só se isso não der em nada, volte e repita no modo agressivo.

O quinto ponto pesa mais do que parece. Um documento que abre e parece certo ainda não está reparado: o que precisa ser conferido é a seleção e a busca, porque são elas que separam um documento curado de uma imagem bonita.

O que a chave de reconstrução faz

O modo seguro traz uma chave à parte de reconstrução e compressão, ligada por padrão. Ela decide se os fluxos das páginas são reescritos do zero ou transportados como estão.

Na medição acima a reconstrução deu 3,6 KB contra 4,1 KB, cerca de um décimo a menos. Em documentos grandes a distância se nota mais, e a questão é menos a economia do que a limpeza: um arquivo remontado não arrasta os restos da estrutura velha, que eram justamente o que impedia alguns programas de abri-lo.

Há um caso para desligá-la: se depois de uma reparação com reconstrução algo no documento parecer torto. Uma segunda passagem sem ela dirá então se esse passo tem culpa.

No modo agressivo a chave não faz nada, já que ali o documento é montado do zero de qualquer forma.

O que acontece antes de você apertar qualquer coisa

O serviço tem uma rede de segurança embutida que vale em todas as ferramentas, não só na reparação. Se um arquivo não se deixa analisar na primeira abertura, é feita automaticamente uma tentativa de conserto com outro motor: o documento é regravado com os objetos de lixo limpos, e se depois disso ele lê, o processamento segue como se nada tivesse acontecido.

A consequência prática é que parte dos arquivos levemente quebrados se cura sozinha durante qualquer operação, e você nunca fica sabendo. Ir de propósito à reparação faz sentido quando essa automação não deu conta e a tarefa parou com uma mensagem de arquivo ilegível.

Essa rede ajuda com mais frequência em arquivos saídos de programas de engenharia e desenho técnico: eles podem ser formalmente corretos e carregar campos de um comprimento que um analisador comum se recusa a ler.

O que a reparação não consegue

Ela não traz de volta dados que não existem. Se o arquivo foi truncado durante um download e metade das páginas falta fisicamente, nenhum modo as inventará: a estrutura é remontada em torno do que sobreviveu, e o resultado sai mais curto que o original.

Conferir isso é simples. Olhe o número de páginas do resultado. Se houver menos do que deveria, o que falta está perdido, e daí em diante a procura é pelo original ou por uma cópia, não por um ajuste.

Ela também não sabe de antemão quão danificado está um arquivo. Se ele vai ceder não se prevê pela aparência, então julgue o resultado e não a entrada.

Nem repara o conteúdo de uma página. Quando os próprios fluxos ou as fontes incorporadas estão danificados, o documento abre mas o texto continua ilegível. Nessa situação o modo agressivo se mostra inesperadamente útil: ele fixa o que o programa ainda consegue desenhar e transforma isso num arquivo estável. Devolvê-lo a texto é tarefa do reconhecimento pelo ocr-pdf, com qualidade abaixo do original e muito acima de nada.

Uma última palavra sobre peso. O resultado agressivo é pesado porque é feito de imagens. Se esse arquivo precisa viajar para algum lugar, passe-o pelo compress-pdf; documentos feitos de imagens são exatamente onde a compressão rende mais.