如何修复损坏的 PDF 文件
简言之: 要修复损坏的 PDF,请打开修复 PDF 在线并保持选中安全模式:它会重新解析文件结构,并保留文字。强力模式会把页面渲染成图片,所以结果一定能打开,但其中不再有任何文字。
专题
故障排查
故障排查: PDF guidance for reliable document processing and quality checks.
主要工具
在线修复 PDF
打开本文提到的工具,并以当前界面语言完成操作。
打开工具目录
昨天还能打开的文件,今天却报错。或者用任何程序都打不开,连创建它的程序也不行。这类文件有的一分钟就能修好,有的根本无法修复,而两者的区别其实可以提前看出来,前提是知道该看哪里。
为什么其他工具不接收这个文件
有一个细节值得先了解。上传任何 PDF 时,检查的不只是文件头,文档结束标记也必须存在。一个以 PDF 开头、却在中途截断的文件,会被立即拒绝,并提示文档被截断或不完整。
只有一个工具不受这项检查的限制,那就是修复 PDF 在线。它存在的意义就是处理那些通不过入口检查的文件。所以顺序和平常是反的:别的工具都不接收的文件,并不意味着要另找服务,而是提示你该去修复。
密码也是同样的道理。修复不要求文件能够打开,但要求文件没有加密:设置了打开密码的文档会让任务中止,并提示先通过解锁 PDF 在线解除保护。而只是解析失败的文件,则会被接收处理。
两种模式,二者的区别是根本性的
模式只有两种,并不是一弱一强的关系,而是获得文件的两种不同方式,第二种以牺牲内容为代价,来保证结果能够打开。
| 模式 | 作用 | 代价 |
|---|---|---|
| 安全 | 重新解析文档结构,并干净地写出 | 结构能够被解析时,没有代价 |
| 强力 | 把每一页渲染成图片,再用这些图片生成新的 PDF | 文字:结果中一个字也不剩 |
第二种模式要按字面理解。它不会尝试保住文档里的对象,而是直接丢掉。页面会以两倍分辨率渲染成图像,再用这些图像拼出新文件。这样的文档一定能打开,因为里面只有图片。
对损坏文件的实测结果
测试对象是一份 4 页、4 KB 的文档,它的交叉引用表已损坏,这是程序用来在文件内部查找对象的内部索引。
| 使用的修复方式 | 结果大小 | 结果中的文字 |
|---|---|---|
| 安全,开启重建 | 3.6 KB | 有,可搜索 |
| 安全,关闭重建 | 4.1 KB | 有,可搜索 |
| 强力 | 626 KB | 完全消失 |
第一行和第三行之间,体积相差约一百七十倍,内容则全部丢失。想从强力模式的结果中提取文字,什么也得不到:那里没有字母,只有看起来像字母的像素。
同一份文档,在截断到 98% 长度、没有结束标记的情况下,用安全模式依然完整恢复了:4 页全部带着文字。这也说明了第二种模式实际上有多少机会用到。
恢复的步骤
1. 打开修复 PDF 在线并上传文件。这里不会出现文档不完整的错误。 2. 保持选中安全模式。它是默认选项,也是应该开始的地方。 3. 保持开启“重建并重新压缩”开关。 4. 运行任务并下载结果。 5. 打开文件,试着选中文字,不要只是看一眼页面。 6. 只有在前面都没有效果时,才回去用强力模式重新操作。
第五步比看上去重要得多。能打开、看起来正常的文档还不算修复成功:要检查的是能否选中文字和搜索,因为这两点才是修好的文档与一张好看的图片之间的区别。
“重建”开关的作用
安全模式带有一个单独的“重建并重新压缩”开关,默认开启。它决定页面内容流是重新写出,还是原样沿用。
在上面的测试中,开启重建得到 3.6 KB,关闭则是 4.1 KB,小了大约十分之一。文档较大时差距更明显,而重点与其说是节省空间,不如说是干净:重新组装的文件不会带着旧结构的残留,而这些残留正是某些阅读器打不开它的原因。
只有一种情况适合关掉它:开启重建修复后,如果文档里有什么地方看起来不对。再运行一次、这次不开重建,就能看出问题是不是出在这一步。
在强力模式下,这个开关不起作用,因为无论如何文档都是从头构建的。
在你点击任何按钮之前发生了什么
服务内置了一道安全网,所有工具都有效,不只是修复工具。如果文件在第一次打开时解析失败,会用另一个引擎自动尝试修复一次:清理掉无用对象后重新保存文档,如果之后能读取,处理就会照常继续,仿佛什么都没发生过。
实际结果是,一些轻微损坏的文件会在执行任何操作的过程中自行修好,你根本不会察觉。只有当这套自动机制没能解决问题、任务因提示文件无法读取而中止时,才有必要专门去用修复。
这道安全网对来自工程和制图程序的文件帮助最大:这类文件格式上可能是正确的,但带有很长的字段,普通解析器会拒绝读取。
修复做不到的事
它无法找回不存在的数据。如果文件在下载过程中被截断,一半页面在物理上就丢失了,那么任何模式都无法凭空造出它们:结构会围绕保留下来的内容重建,结果比原文件短。
检查起来很容易。看一下结果的页数。如果比应有的少,缺的部分就是丢失了,接下来该找的是原文件或备份,而不是调整设置。
它也无法事先判断文件损坏到什么程度。能否修好,从文件外观上预测不出来,所以应当看结果,而不是看原文件。
它同样不会修复页面内容本身。当内容流或嵌入字体损坏时,文档能打开,但文字仍然无法阅读。在这种情况下,强力模式出人意料地有用:程序还能画出来的内容它都会固定下来,生成一个稳定的文件。再把它变回文字,就要靠OCR PDF 在线来识别,质量比原文件低,但远好过什么都没有。
最后说说体积。强力模式的结果之所以大,是因为它由图片组成。如果这个文件需要发送到别处,请先用压缩 PDF 在线处理:由图片组成的文档,恰恰是压缩效果最好的对象。
作者
由服务团队编写;Sergey Gagin 负责本服务
常见问题
该专题的更多内容
相关工具
在线修复 PDF
如果文件打开时出错、渲染不正确或在后续处理过程中失败,请尝试修复 PDF。
移除 PDF 的密码保护
如果你有权处理该文件,可以移除 PDF 的限制。此工具仅适用于你自己的文档和被允许的工作场景。
在线PDF OCR 文字识别
OCR 识别结果可能有误,尤其是低清晰度扫描、手写内容或复杂版面。请校对关键文字。
在线压缩 PDF
减小 PDF 的大小,方便发邮件或上传到表单。选择预设或目标大小,分享前先检查清晰度和最终文件大小。