ما بداخل ملف PDF: الكائنات والتدفقات والجدول المرجعي التبادلي

ملف PDF ليس كومة صفحات مسطّحة، بل قاعدة بيانات صغيرة من الكائنات، كثير منها مخزّن في تدفقات مضغوطة، وتحدّد مواقعها خريطة مرجعية تبادلية (xref) كي يقفز القارئ إلى الكائن رقم 17 دون مسح الملف كله. وحين تتعطّل تلك الخريطة، يسمّي العارضون الملف تالفاً حتى لو بقيت بايتات الصفحات على القرص.

الكائنات

كل ما يهم، من الصفحات والخطوط والصور والبيانات الوصفية وفهرس المستند، كائن له رقم. فالصفحات تشير إلى تدفقات المحتوى والموارد، والموارد تشير إلى الخطوط وكائنات XObject، والفهرس يشير إلى شجرة الصفحات. والأدوات التي تدمج أو تدوّر أو تختم تعيد كتابة تلك الخريطة غالباً بدل إعادة رسم البكسلات.

التدفقات

التدفق كائن حمولته سلسلة بايتات، مضغوطة بـ Flate في الغالب: عوامل محتوى الصفحة، وملفات خطوط مضمّنة، وبيانات صور. ولهذا يُظهر فتح ملف PDF في محرّر نصوص خليطاً من رموز ASCII وكتل ثنائية. وتوسيع التدفقات من دون تغيير شكل الصفحات مفيد لتصحيح الأخطاء، والضغط هنا يعيد ضغط تلك التدفقات بـ qpdf، ولا يقلّل دقة الصور ولا يجزّئ الخطوط.

الجدول المرجعي التبادلي

قرب نهاية ملف نمطي، يسرد قسم xref، أو تدفق xref في الملفات الأحدث، إزاحات البايت لكل رقم كائن. وتقفز القارئات إلى تلك الإزاحات. والتنزيلات المقتطعة والدمج السيئ والحفظ نصف المكتمل تترك المقطورة تشير غالباً إلى إزاحات لم تعد مطابقة. وقد تبقى بكسلات الصفحة الأولى موجودة، بينما الخريطة التي تجد «الصفحة الأولى» غائبة.

ولهذا كان الإصلاح البنيوي مهنة مختلفة عن OCR وعن فكّ القفل: فالإصلاح يعيد بناء البنية الداخلية من بقايا صالحة، ولا يخترع رسماً مفقوداً ولا يخمّن كلمة مرور.

افحص قبل أن تعيد الكتابة

يعيد Get Info تقريراً بصيغة JSON (عدد الصفحات، والبيانات الوصفية، والخطوط، وتفاصيل بنيوية)، لا ملف PDF معدّلاً. استخدمه حين تحتاج معرفة ما بين يديك قبل الضغط أو التحويل أو الإصلاح.

وإن رفض العارض فتح الملف إطلاقاً، فجرّب Repair PDF الذي يعيد بناء البنية بما في ذلك استرداد الجدول المرجعي. أما إن كان الملف يُفتح لكن النص الممسوح غير قابل للتحديد، فالمشكلة مشكلة OCR لا مشكلة xref.

ترتيب قرار قصير

1. الملف لا يُفتح ← الإصلاح أولاً.
2. الملف يُفتح وتحتاج حقائق عنه، من الصفحات والخطوط وإشارات التشفير ← Get Info.
3. البنية سليمة وتريد ملفاً أصغر أو نصاً مقروءاً من مسح ضوئي ← الضغط للحجم، أو OCR لنص Markdown، لا تمريرة إصلاح أخرى.

ويعمل كل من Get Info وRepair بلا حساب. ولمعرفة العمليتين نفسهما عبر HTTP، راجع المطوّرين. ولمعرفة كيف يختلف الإصلاح عن منتجات «الاسترداد» المكتبية ذات العلامة التجارية، راجع إصلاح PDF على الإنترنت في مقابل البحث عن Recovery Toolbox.