Reparar PDF

Um PDF é um conjunto de objetos numerados — páginas, fontes, imagens, fluxos — mais uma tabela de referências cruzadas no fim, que registra a posição em bytes de cada um deles. Os leitores leem essa tabela primeiro e depois saltam direto para o que precisam. É um desenho eficiente, com uma consequência: o índice é escrito por último, e um arquivo cujo índice sumiu ou está errado fica ilegível mesmo com todos os objetos perfeitamente intactos.

Por isso, gravações interrompidas são a principal causa. Uma queda no meio da escrita, um disco que encheu, um pen drive arrancado, um compartilhamento de rede que caiu, um download que terminou cedo — todos produzem um arquivo com bom conteúdo e um mapa ruim. Sistemas de e-mail que alteram anexos no caminho e armazenamento com defeito respondem por quase todo o resto.

A parte animadora é que, nos casos comuns, os dados continuam lá. Recuperar é uma questão de varrer o arquivo atrás dos objetos, descobrir o que cada um é e montar um índice correto em volta deles — e não de reconstruir alguma coisa a partir do nada.

Não existe um único reparo certo para todo arquivo, então várias abordagens são tentadas em ordem crescente de intervenção, e o que você recebe é a primeira que produz um documento que realmente funciona.

A primeira passagem reconstrói a tabela de referências cruzadas e a estrutura de objetos, varrendo o arquivo atrás dos objetos e remontando o índice em volta deles. Ela resolve a maior fatia dos danos do mundo real e não muda nada nas páginas. Se não for suficiente, uma renderização completa interpreta cada página e a grava de novo como um documento novo — mais pesada, capaz de recuperar arquivos cujo conteúdo de página está em si malformado, ao custo de uma recodificação. Uma reescrita estrutural final cobre os casos restantes, em que o documento pode ser lido mas não gravado corretamente.

Todo candidato é reaberto e validado antes de ser oferecido. Isso importa mais do que parece: um reparo que produz um arquivo de aparência plausível e falha quando alguém realmente precisa dele é pior do que uma falha honesta — então um arquivo que não pode ser verificado nunca é devolvido.

Dano recuperável é dano ao mapa, não ao território: tabelas de referências cruzadas quebradas, fluxos de objetos corrompidos, posições incorretas, um final truncado, erros estruturais de um programa que gravou o arquivo errado. Nesses casos, as páginas em geral voltam todas.

Dano irrecuperável é dado que não existe mais. Um download que parou em 30% não contém os outros 70%, e nada consegue deduzi-los. Um arquivo sobrescrito por outro, um arquivo cujos bytes foram embaralhados por um disco com defeito ou algo que não é um PDF de jeito nenhum — tudo isso está além de qualquer ferramenta de reparo, por mais sofisticada que seja.

A forma honesta de pensar nisso é que o reparo reorganiza o que sobreviveu. Quando o fluxo de conteúdo de uma página realmente se perdeu, aquela página não pode ser reconstruída — e o relatório vai dizer que a contagem voltou menor, em vez de entregar em silêncio um documento com um buraco.

Trabalhe em uma cópia e guarde o original danificado. As estratégias de reparo são tentadas sobre o arquivo tal como recebido, e ter o original significa poder tentar outra abordagem depois, se o primeiro resultado vier incompleto.

Gaste dois minutos procurando uma fonte melhor antes, porque ela vence qualquer reparo. Confira a caixa de quem enviou, o histórico de versões do seu armazenamento em nuvem, o programa que gerou o arquivo e a lixeira. Um arquivo gerado de novo fica perfeito; um arquivo reparado fica tão bom quanto o que sobreviveu.

Com um documento funcionando em mãos, verifique-o de verdade — abra todas as páginas, e não só a primeira, confirme a contagem de páginas e veja se o texto ainda pode ser selecionado. A partir daí ele se comporta como qualquer outro PDF, então Comprimir PDF, Juntar PDF e o resto funcionam nele normalmente.