O que há dentro de um PDF: objetos, streams e a tabela de referência cruzada
Um PDF é um grafo de objetos numerados, streams comprimidos e um mapa xref. O Get Info inspeciona tudo isso; o Repair reconstrói a estrutura quando esse mapa quebra.

Um PDF não é um amontoado plano de páginas. É um pequeno banco de objetos, muitos guardados como streams comprimidos, localizados por uma tabela de referência cruzada (xref) que permite ao leitor pular direto ao objeto 17 sem varrer o arquivo inteiro. Quando esse mapa quebra, os visualizadores chamam o arquivo de danificado, mesmo que os bytes das páginas ainda estejam no disco.
Objetos
Tudo o que interessa (páginas, fontes, imagens, metadados, o catálogo do documento) é um objeto com um número. As páginas apontam para fluxos de conteúdo e recursos; os recursos apontam para fontes e XObjects; o catálogo aponta para a árvore de páginas. Ferramentas que mesclam, rotacionam ou carimbam em geral reescrevem esse grafo em vez de redesenhar pixels.
Streams
Um stream é um objeto cuja carga útil é uma sequência de bytes, muitas vezes comprimida com Flate: operadores de conteúdo de página, arquivos de fonte embutidos, dados de imagem. É por isso que olhar um PDF num editor de texto revela uma mistura de tokens ASCII e blocos binários. Expandir os streams (sem mudar a aparência das páginas) ajuda na depuração; o Comprimir deste site recomprime esses streams com o qpdf, sem reduzir a resolução de imagens nem subdividir fontes.
A tabela de referência cruzada
Perto do fim de um arquivo típico, uma seção xref (ou um xref stream, em arquivos mais novos) lista o deslocamento em bytes de cada número de objeto. O leitor salta para esses deslocamentos. Downloads truncados, mesclagens malfeitas e gravações interrompidas na metade costumam deixar o trailer apontando para posições que já não batem. Os pixels da página um podem continuar existindo; o mapa que encontra a "página um" não.
É por isso que o reparo estrutural é um trabalho diferente do OCR ou do desbloqueio: o reparo reconstrói a estrutura interna a partir dos restos válidos; ele não inventa o conteúdo gráfico que falta nem adivinha uma senha.
Atualizações incrementais e por que os arquivos crescem
Um leitor pode acrescentar alterações a um PDF sem reescrever o arquivo inteiro: uma nova seção de referência cruzada no fim aponta para os objetos substitutos e encadeia de volta à anterior. É assim que as assinaturas e os salvamentos que só adicionam anotações continuam rápidos. É também por isso que um arquivo editado muitas vezes pode ser bem maior do que seu conteúdo visível, e por que um objeto antigo que você achava que tinha sumido ainda pode existir mais atrás no fluxo de bytes até uma reescrita completa removê-lo. Tanto Linearizar PDF quanto Comprimir reescrevem o arquivo, e é por isso que qualquer um dos dois pode mudar seu tamanho, e que nenhum deve ser julgado só pelo tamanho.
A linearização é outro tipo de mapa
A visualização rápida na web reordena os mesmos objetos para que os dados da primeira página fiquem perto do início, com uma tabela de dicas que diz ao visualizador onde olhar primeiro. Ela não reduz o arquivo nem muda o conteúdo das páginas; troca um pequeno aumento de tamanho por uma primeira página que é pintada antes de o resto chegar. Se um visualizador não mostra nada enquanto um PDF grande baixa, esse é o problema que a linearização resolve, e ele é separado do empacotamento de fluxos de objetos que o Comprimir faz.
Inspecione antes de reescrever
O Get Info de PDF devolve um relatório em JSON (contagem de páginas, metadados, fontes, detalhes estruturais), não um PDF modificado. Use-o quando precisar saber o que você tem em mãos antes de comprimir, converter ou reparar.
Se o visualizador se recusa a abrir o arquivo, tente o Repair PDF, que reconstrói a estrutura incluindo a recuperação da referência cruzada. Se o arquivo abre, mas o texto digitalizado não pode ser selecionado, isso é um problema de OCR, não de xref.
Uma ordem de decisão curta
- O arquivo não abre → Repair primeiro.
- O arquivo abre e você precisa de fatos (páginas, fontes, indícios de criptografia) → Get Info.
- A estrutura está bem e você quer um arquivo menor ou o texto de uma digitalização → Comprimir para tamanho, ou OCR para texto em Markdown, não outra passagem de reparo.
O Get Info e o Repair rodam sem conta. Para as mesmas operações por HTTP, veja Desenvolvedores. Para entender como o Repair difere dos produtos de "recuperação" de marca para desktop, veja Reparar PDF online vs buscas por Recovery Toolbox.