Sửa file PDF lỗi

Thứ thường bị hỏng, và hai cách để lấy lại

Hầu hết các file PDF không mở được đều không hề bị hỏng theo nghĩa thực sự. Một file PDF kết thúc bằng một bảng tham chiếu chéo — bảng chỉ mục ghi lại vị trí byte của mọi đối tượng trong file — và trình đọc dựa vào nó để tìm bất cứ thứ gì. Làm hỏng bảng chỉ mục đó thì một tài liệu hoàn toàn nguyên vẹn cũng không mở được, vì không thứ gì định vị được dù mọi thứ vẫn còn đó. Tải xuống bị gián đoạn, lưu file bị ngắt giữa chừng, ứng dụng bị treo, file bị một phần mềm sửa mà không cập nhật vị trí, việc truyền file làm sai ký tự xuống dòng: tất cả đều làm hỏng bảng chỉ mục và không cái nào động đến nội dung.

Lượt sửa đầu tiên tận dụng đúng điều đó. File được phân tích một cách dễ dãi, bỏ qua các vị trí được khai báo khi chúng không khớp với những gì thực sự có ở đó, rồi được ghi lại từ đầu với bảng chỉ mục đúng, độ dài luồng đúng và một phần trailer sạch. Cách này khôi phục được phần lớn các file, nhanh, và không có gì trên các trang bị thay đổi — kết quả là tài liệu của bạn với một bảng mục lục hoạt động được gắn lại.

Khi file hoàn toàn không phân tích được, lượt thứ hai làm điều mà một công cụ khôi phục trên máy tính vẫn làm: nó quét các byte thô từ đầu đến cuối để tìm phần đầu của các đối tượng, thu thập mọi thứ còn trông giống một đối tượng PDF, và dựng lại bảng chỉ mục từ những gì thực sự có mặt chứ không phải từ những gì file khai báo. Trang sẽ cho bạn biết lượt nào đã chạy, vì điều đó quan trọng — dựng lại nghĩa là cấu trúc gốc không đọc được, và kết quả đáng được xem lại trước khi bạn tin dùng.

Không lượt nào có thể tự tạo ra dữ liệu không có ở đó, và không công cụ nào ở đâu làm được. Nếu quá trình tải xuống dừng ở sáu mươi phần trăm, bốn mươi phần trăm số trang còn lại không hề tồn tại trong file; việc khôi phục tìm thấy những trang đã về và dừng lại. Nếu chỗ hỏng nằm trong một luồng nén, luồng đó không giải nén được và trang mà nó vẽ sẽ trở lại trống trơn, trong khi các trang bên cạnh vẫn ổn. Khôi phục được một phần tài liệu là kết quả tốt bình thường ở đây, và lấy lại được file gốc luôn tốt hơn sửa một bản sao bị cắt cụt.

Khi bạn cần công cụ khác

qpdf là công cụ chuẩn cho việc này và thực hiện lượt đầu tiên kỹ lưỡng hơn: qpdf --replace-input damaged.pdf ghi lại file với bảng chỉ mục đúng, và nó xử lý được tài liệu đã mã hóa, luồng đối tượng và file tuyến tính hóa mà một lần phân tích dễ dãi có thể vấp phải. mutool clean -ggg in.pdf out.pdf còn đi xa hơn, dựng lại cây trang và loại bỏ mọi thứ không được tham chiếu. Cả hai đều miễn phí, đều chạy được với file lớn hơn nhiều so với sức chứa của một tab trình duyệt, và đều cho bạn biết chúng đã phải sửa những gì.

Với file hỏng nặng đến mức quét đối tượng là lựa chọn duy nhất, Ghostscript thường là công cụ lì lợm nhất: gs -o repaired.pdf -sDEVICE=pdfwrite broken.pdf diễn giải nội dung trang thay vì chỉ lập lại chỉ mục, nhờ vậy đôi khi dựng lại được những trang mà các công cụ khác bó tay — đổi lại là mọi thứ đều được ghi lại, nên kết quả không còn giống từng byte với phần còn sót lại.