Kilichomo Ndani ya PDF: Objekti, Mitiririko na Jedwali la Rejeleo Mtambuka

PDF si mrundikano tambarare wa kurasa. Ni hifadhidata ndogo ya objekti, nyingi zikihifadhiwa kama mitiririko iliyobanwa, zinazopatikana kwa jedwali la rejeleo mtambuka (xref) ili msomaji aruke hadi objekti 17 bila kuchanganua faili yote. Ramani hiyo inapovunjika, vionyeshi huiita faili imeharibika hata kama baiti za kurasa bado zipo kwenye diski.

Objekti

Kila kitu cha maana (kurasa, fonti, picha, metadata, katalogi ya hati) ni objekti yenye namba. Kurasa huelekea kwenye mitiririko ya maudhui na rasilimali; rasilimali huelekea kwenye fonti na XObjects; katalogi huelekea kwenye mti wa kurasa. Zana zinazounganisha, kuzungusha au kupiga muhuri mara nyingi huandika upya grafu hiyo badala ya kuchora upya pikseli.

Mitiririko

Mtiririko ni objekti ambayo mzigo wake ni mfuatano wa baiti, mara nyingi uliobanwa kwa Flate: waendeshaji wa maudhui ya ukurasa, faili za fonti zilizopachikwa, data ya picha. Kuangalia PDF kwenye kihariri cha maandishi huonyesha mchanganyiko wa tokeni za ASCII na vipande vya biti kwa sababu hiyo. Kupanua mitiririko (bila kubadilisha muonekano wa kurasa) ni muhimu kwa utatuzi wa hitilafu; Bana kwenye tovuti hii hubana upya mitiririko hiyo kwa qpdf; haipunguzi sampuli za picha wala fonti.

Jedwali la rejeleo mtambuka

Karibu na mwisho wa faili ya kawaida, sehemu ya xref (au mtiririko wa xref kwenye faili mpya) huorodhesha nafasi za baiti kwa kila namba ya objekti. Visomaji hutafuta hadi nafasi hizo. Upakuaji uliokatwa, muunganisho mbaya na kuhifadhi nusu ulioandikwa mara nyingi huacha trailer ikielekea nafasi zisizolingana tena. Pikseli za ukurasa wa kwanza zinaweza bado kuwepo; ramani inayopata “ukurasa wa kwanza” haipo.

Ndiyo sababu urekebishaji wa kimuundo ni kazi tofauti na OCR au kufungua: urekebishaji hujenga upya muundo wa ndani kutoka mabaki halali; hauvumbui picha za kurasa zilizopotea wala kukisia nenosiri.

Chunguza kabla ya kuandika upya

Pata Taarifa za PDF hurudisha ripoti ya JSON (idadi ya kurasa, metadata, fonti, maelezo ya kimuundo), si PDF iliyobadilishwa. Itumie unapohitaji kujua unashikilia nini kabla ya kubana, kubadilisha muundo au kurekebisha.

Kama kionyeshi kinakataa kufungua faili kabisa, jaribu Repair PDF, ambayo hujenga upya muundo ikiwemo urejeshaji wa rejeleo mtambuka. Kama faili inafunguka lakini maandishi ya skani hayachaguliwi, hilo ni tatizo la OCR, si tatizo la xref.

Mpangilio mfupi wa maamuzi

1. Faili haifunguki → Repair kwanza.
2. Faili inafunguka; unahitaji ukweli (kurasa, fonti, vidokezo vya usimbaji fiche) → Pata Taarifa.
3. Muundo ni mzuri; unataka faili ndogo au maandishi yanayosomeka kutoka skani → Bana kwa ukubwa, au OCR kwa maandishi ya Markdown, si mzunguko mwingine wa urekebishaji.

Pata Taarifa na Repair zote huendeshwa bila akaunti. Kwa operesheni hizo hizo kupitia HTTP, ona Watengenezaji. Kwa jinsi Repair inavyotofautiana na bidhaa za mezani zenye chapa za “urejeshaji”, ona Kurekebisha PDF mtandaoni dhidi ya utafutaji wa Recovery Toolbox.