PDF reparieren

Was meistens kaputt ist – und die zwei Wege zurück

Die meisten PDFs, die sich nicht öffnen lassen, sind gar nicht im eigentlichen Sinn beschädigt. Ein PDF endet mit einer Querverweistabelle – einem Index, der den Byte-Offset jedes Objekts in der Datei verzeichnet –, und Reader brauchen sie, um überhaupt etwas zu finden. Ist dieser Index beschädigt, lässt sich ein völlig intaktes Dokument nicht mehr öffnen, weil nichts auffindbar ist, obwohl alles vorhanden ist. Abgebrochene Downloads, ein vorzeitig beendeter Speichervorgang, ein abgestürztes Programm, eine Datei, die mit etwas bearbeitet wurde, das die Offsets nicht angepasst hat, eine Übertragung, die die Zeilenenden verändert hat: All das beschädigt den Index, und nichts davon berührt den Inhalt.

Genau das nutzt der erste Durchgang. Die Datei wird tolerant eingelesen – angegebene Offsets werden ignoriert, wo sie nicht zu dem passen, was tatsächlich dort steht – und dann neu geschrieben, mit korrektem Index, korrekten Stream-Längen und sauberem Trailer. So lässt sich die große Mehrheit der Dateien retten, es geht schnell, und an den Seiten ändert sich nichts – das Ergebnis ist Ihr Dokument mit einem wieder funktionierenden Inhaltsverzeichnis.

Lässt sich die Datei gar nicht auswerten, macht der zweite Durchgang, was ein Desktop-Wiederherstellungstool tut: Er durchsucht die rohen Bytes von Anfang bis Ende nach Objekt-Headern, sammelt alles ein, was noch wie ein PDF-Objekt aussieht, und baut den Index aus dem auf, was tatsächlich vorhanden ist, statt aus dem, was die Datei behauptet. Die Seite teilt Ihnen mit, welcher der beiden Durchgänge gelaufen ist, denn das ist wichtig: Ein Neuaufbau bedeutet, dass die ursprüngliche Struktur unlesbar war, und das Ergebnis verdient einen prüfenden Blick, bevor Sie ihm vertrauen.

Keiner der beiden Durchgänge kann Daten erfinden, die nicht da sind – und kein Tool der Welt kann das. Wurde ein Download bei sechzig Prozent abgebrochen, existieren die letzten vierzig Prozent der Seiten in der Datei nicht; die Wiederherstellung findet die Seiten, die angekommen sind, und hört dann auf. Liegt der Schaden in einem komprimierten Stream, lässt sich dieser Stream nicht dekomprimieren, und die Seite, die er gezeichnet hat, kommt leer zurück, während ihre Nachbarn in Ordnung sind. Einen Teil eines Dokuments zu retten, ist hier das normale gute Ergebnis – und die Originaldatei erneut zu besorgen, ist immer besser, als eine abgeschnittene Kopie zu reparieren.

Wenn Sie etwas anderes brauchen

qpdf ist das Referenztool dafür und erledigt denselben ersten Durchgang gründlicher: qpdf --replace-input damaged.pdf schreibt die Datei mit korrektem Index neu und kommt mit verschlüsselten Dokumenten, Objekt-Streams und linearisierten Dateien zurecht, über die ein toleranter Parser stolpern kann. mutool clean -ggg in.pdf out.pdf geht noch weiter, baut den Seitenbaum neu auf und verwirft alles, worauf nichts verweist. Beide sind kostenlos, beide verarbeiten Dateien, die viel größer sind, als ein Browser-Tab fassen kann, und beide sagen Ihnen, was sie reparieren mussten.

Bei einer Datei, die so stark beschädigt ist, dass nur noch der Objekt-Scan bleibt, ist Ghostscript oft am hartnäckigsten: gs -o repaired.pdf -sDEVICE=pdfwrite broken.pdf interpretiert den Seiteninhalt, statt ihn nur neu zu indizieren, und rekonstruiert so manchmal Seiten, bei denen die anderen Tools aufgeben – um den Preis, dass alles neu geschrieben wird und die Ausgabe nicht mehr Byte für Byte dem entspricht, was überlebt hat.