PDF रिपेयर करें

आम तौर पर क्या टूटा होता है, और वापसी के दो रास्ते

न खुलने वाली ज़्यादातर PDF किसी असली मायने में ख़राब नहीं होतीं। PDF के आख़िर में एक क्रॉस-रेफ़रेंस टेबल होती है — एक इंडेक्स जो फ़ाइल के हर ऑब्जेक्ट का बाइट ऑफ़सेट दर्ज करता है — और रीडर कुछ भी ढूंढने के लिए इसी का इस्तेमाल करते हैं। यह इंडेक्स बिगड़ जाए तो पूरी तरह सही डॉक्यूमेंट भी खुलना बंद हो जाता है, क्योंकि सब कुछ मौजूद होते हुए भी कुछ ढूंढा नहीं जा सकता। बीच में रुके डाउनलोड, अधूरा रह गया सेव, क्रैश हुआ ऐप्लिकेशन, ऐसे प्रोग्राम से एडिट हुई फ़ाइल जिसने ऑफ़सेट अपडेट नहीं किए, लाइन एंडिंग बिगाड़ देने वाला ट्रांसफ़र: ये सब इंडेक्स तोड़ देते हैं और कंटेंट को छूते तक नहीं।

पहला पास ठीक इसी बात का फ़ायदा उठाता है। फ़ाइल को नरमी से पार्स किया जाता है, बताए गए ऑफ़सेट को वहां अनदेखा किया जाता है जहां वे असल में मौजूद चीज़ से मेल नहीं खाते, और फिर सही इंडेक्स, सही स्ट्रीम लंबाई और साफ़ ट्रेलर के साथ उसे नए सिरे से लिखा जाता है। इसी से ज़्यादातर फ़ाइलें वापस आती हैं, यह तेज़ है, और पेजों में कुछ नहीं बदलता — नतीजा आपका ही डॉक्यूमेंट है, जिसमें काम करने वाली विषय-सूची फिर से जोड़ दी गई है।

जब फ़ाइल बिल्कुल पार्स न हो, तो दूसरा पास वही करता है जो कोई डेस्कटॉप रिकवरी टूल करता है: यह शुरू से आख़िर तक रॉ बाइट्स स्कैन करके ऑब्जेक्ट हेडर ढूंढता है, जो कुछ अब भी PDF ऑब्जेक्ट जैसा दिखता है उसे इकट्ठा करता है, और इंडेक्स को फ़ाइल के दावे से नहीं, बल्कि असल में मौजूद चीज़ों से दोबारा बनाता है। पेज आपको बताता है कि दोनों में से कौन-सा चला, क्योंकि इससे फ़र्क़ पड़ता है — दोबारा बनाने का मतलब है कि मूल संरचना पढ़ी नहीं जा सकी, और नतीजे पर भरोसा करने से पहले उसे एक बार देख लेना चाहिए।

कोई भी पास ऐसा डेटा नहीं गढ़ सकता जो है ही नहीं, और दुनिया का कोई टूल ऐसा नहीं कर सकता। अगर डाउनलोड साठ प्रतिशत पर रुक गया, तो आख़िरी चालीस प्रतिशत पेज फ़ाइल में मौजूद ही नहीं हैं; रिकवरी जो पेज पहुंचे उन्हें ढूंढती है और वहीं रुक जाती है। अगर नुक़सान किसी कंप्रेस्ड स्ट्रीम के अंदर है, तो वह स्ट्रीम डीकंप्रेस नहीं हो सकती और जिस पेज को वह बनाती थी वह ख़ाली आता है, जबकि उसके आस-पास के पेज ठीक रहते हैं। यहां डॉक्यूमेंट का कुछ हिस्सा वापस पाना ही आम तौर पर अच्छा नतीजा है, और मूल फ़ाइल फिर से पा लेना कटी हुई कॉपी रिपेयर करने से हमेशा बेहतर है।

जब आपको कुछ और चाहिए

इस काम के लिए qpdf मानक टूल है और यही पहला पास ज़्यादा अच्छी तरह करता है: qpdf --replace-input damaged.pdf फ़ाइल को सही इंडेक्स के साथ दोबारा लिखता है, और एन्क्रिप्टेड डॉक्यूमेंट, ऑब्जेक्ट स्ट्रीम और लीनियराइज़्ड फ़ाइलें संभाल लेता है, जिन पर नरम पार्सिंग अटक सकती है। mutool clean -ggg in.pdf out.pdf इससे भी आगे जाता है, पेज ट्री दोबारा बनाता है और जो कुछ कहीं से रेफ़र नहीं होता उसे हटा देता है। दोनों मुफ़्त हैं, दोनों ब्राउज़र टैब की क्षमता से कहीं बड़ी फ़ाइलों पर चलते हैं, और दोनों बताते हैं कि उन्हें क्या ठीक करना पड़ा।

जो फ़ाइल इतनी ख़राब हो कि ऑब्जेक्ट स्कैन करना ही एकमात्र रास्ता बचे, उसके लिए Ghostscript अक्सर सबसे ज़िद्दी साबित होता है: gs -o repaired.pdf -sDEVICE=pdfwrite broken.pdf सिर्फ़ इंडेक्स दोबारा नहीं बनाता, पेज के कंटेंट को समझकर चलाता है, जिससे कभी-कभी वे पेज भी दोबारा बन जाते हैं जिन पर दूसरे टूल हार मान लेते हैं — पर इसकी क़ीमत यह है कि सब कुछ दोबारा लिखा जाता है, इसलिए आउटपुट बाइट-दर-बाइट वैसा नहीं रहता जैसा बचा था।