跳到正文
文章

如何修复损坏的 PDF 文件

PDF 打不开,别的工具也不接收?了解为什么修复是上传检查的唯一例外,以及安全模式与强力模式有什么区别,各自对文字有什么影响。

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.

7 篇文章

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

关于本项目

常见问题

去用修复 PDF 在线。每个上传的 PDF 都会检查是否有文档结束标记,没有的文件会被当场拒绝。修复是唯一不受这项检查限制的工具,因为它要修的正是这类文件。
安全模式会重新解析文档结构并保留文字。强力模式会把每一页渲染成图片,再用这些图片生成新的 PDF:它一定能打开,但里面不剩文字,因此无法选中,也无法通过搜索找到。
不能。如果一部分数据在物理上已经丢失,就没有地方可以找回;结构会围绕保留下来的内容重建。请检查结果中是否有关于空白页或缺失图片的警告,并把页数和内容与预期对照。
没有用。加密的文档会让任务中止,并提示先通过解锁 PDF 在线解除保护。修复不要求文件能够打开,但要求文件没有加密。
文件只用于所选的操作,处理结束后会自动删除。我们不会用上传的文档来训练 AI 模型。

该专题的更多内容

相关工具

← 全部修复工具

接下来做什么

阅读之后,如需了解下一步怎么做或服务的相关信息,请打开以下页面。

全部工具

PDF 工具目录:在浏览器中合并、压缩、拆分、转换、旋转、保护和解锁 PDF 文件,无需安装任何软件。

常见问题

查看有关 iHatePDF 账号、文件处理、上传限制、手机使用、隐私,以及 PDF 工具报错时该怎么办的解答。

联系我们

如有处理错误、工具选择、安全问题、商务合作或新功能建议,欢迎联系 iHatePDF。联系时请简要说明遇到的问题和使用的工具。