Cosa c'è dentro un PDF: oggetti, stream e la tabella cross-reference
Un PDF è un grafo di oggetti numerati, stream compressi e una mappa xref. Get Info lo ispeziona; Repair ricostruisce la struttura quando la mappa si rompe.

Un PDF non è una sequenza piatta di pagine. È un piccolo database di oggetti, molti dei quali memorizzati come stream compressi, individuati da una tabella cross-reference (xref), così un lettore può saltare all'oggetto 17 senza scansionare l'intero file. Quando quella mappa si rompe, i visualizzatori dichiarano il file danneggiato anche se i byte delle pagine sono ancora sul disco.
Oggetti
Tutto ciò che conta (pagine, font, immagini, metadati, catalogo del documento) è un oggetto con un numero. Le pagine puntano a stream di contenuto e risorse; le risorse puntano a font e XObject; il catalogo punta all'albero delle pagine. Gli strumenti che uniscono, ruotano o applicano timbri riscrivono per lo più quel grafo, invece di ridisegnare i pixel.
Stream
Uno stream è un oggetto il cui payload è una sequenza di byte, spesso compressa con Flate: operatori di contenuto della pagina, file di font incorporati, dati immagine. Per questo, guardare un PDF in un editor di testo mostra un misto di token ASCII e blocchi binari. Espandere gli stream (senza cambiare l'aspetto delle pagine) è utile per il debug; Comprimi su questo sito ricomprime quegli stream con qpdf: non esegue il downsampling delle immagini né il subsetting dei font.
La tabella cross-reference
Verso la fine di un file tipico, una sezione xref (o uno stream xref nei file più recenti) elenca gli offset in byte di ogni numero di oggetto. I lettori si spostano su quegli offset. Download troncati, merge mal eseguiti e salvataggi interrotti lasciano spesso il trailer con puntatori a offset che non corrispondono più. I pixel della prima pagina possono esistere ancora; la mappa che trova la «prima pagina» no.
Ecco perché la riparazione strutturale è un lavoro diverso dall'OCR o dallo sblocco: Repair ricostruisce la struttura interna dai resti validi, non inventa le immagini di pagina mancanti né indovina una password.
Aggiornamenti incrementali e perché i file crescono
Un lettore può aggiungere modifiche a un PDF senza riscrivere l’intero file: una nuova sezione cross-reference in fondo punta agli oggetti sostitutivi e si ricollega alla precedente. È così che le firme e i salvataggi che aggiungono solo annotazioni restano rapidi. È anche il motivo per cui un file modificato molte volte può essere molto più grande del suo contenuto visibile, e per cui un vecchio oggetto che credevate sparito può ancora esistere più indietro nel flusso di byte finché una riscrittura completa non lo elimina. Sia Linearizzare un PDF sia Comprimi riscrivono il file, ed è per questo che entrambi possono cambiarne la dimensione, e che nessuno dei due va giudicato solo dalla dimensione.
La linearizzazione è un altro tipo di mappa
La visualizzazione web rapida riordina gli stessi oggetti in modo che i dati della prima pagina stiano vicino all’inizio, con una tabella di suggerimenti che indica al visualizzatore dove guardare per primo. Non riduce il file né cambia il contenuto delle pagine; scambia un piccolo aumento di dimensione con una prima pagina che si disegna prima che arrivi il resto. Se un visualizzatore non mostra nulla mentre un PDF grande viene scaricato, è il problema che la linearizzazione risolve, ed è separato dal packing degli oggetti-stream che esegue Comprimi.
Ispeziona prima di riscrivere
Get Info su PDF restituisce un report JSON (numero di pagine, metadati, font, dettagli strutturali), non un PDF modificato. Usalo quando devi sapere cosa hai in mano prima di comprimere, convertire o riparare.
Se un visualizzatore rifiuta del tutto di aprire il file, prova Ripara PDF, che ricostruisce la struttura, compreso il recupero della cross-reference. Se invece il file si apre ma il testo scansionato non è selezionabile, quello è un problema di OCR, non di xref.
Un breve ordine di decisione
- Il file non si apre → prima Ripara.
- Il file si apre e ti servono i fatti (pagine, font, indizi sulla cifratura) → Get Info.
- La struttura è a posto e vuoi un file più piccolo o testo leggibile da una scansione → Comprimi per la dimensione, oppure OCR per il testo Markdown, non un altro passaggio di riparazione.
Sia Get Info sia Repair funzionano senza account. Per le stesse operazioni via HTTP, vedi Developers. Per capire come Repair si distingue dai prodotti desktop di «recovery» di marca, vedi Riparare un PDF online e le ricerche Recovery Toolbox.