损坏的 PDF 能修好吗?修复能救回什么、救不回什么
交叉引用表出错、尾部被截掉、文件头写坏,修复都能重建;丢掉的字节救不回来:被截断的文件还剩 5 页,但最后一页没有文字。
有时能。损坏在文件的索引上,修复 PDF通常能把它重建出来;字节丢了,就救不回来。对一份 5 页的 PDF 做六种破坏,修复对其中四种返回了完整的 5 页和原样的文字:startxref 指针写错、交叉引用表的条目整体偏移、尾部(trailer)被截掉、文件头写错。救不回的有两种:末尾 20% 被删掉的文件(返回 5 页,但最后一页没有文字),以及页面内容里有 8 个字节损坏的文件(第 3 页丢了一行)。
损坏的 PDF 能修好吗?
测试文件有 5 页,每页 12 行,共 6,196 字节,使用传统的交叉引用表。每一种破坏都是在这份文件上改字节,再把破坏后的文件交给修复 PDF。只有同时满足四条才算修复成功:服务返回 200,对输出运行 qpdf --check 没有错误,输出有完整的 5 页,并且 pdftotext 读出的每一页文字与当初写入的完全一致。测量日期 2026-10-23,在本地服务器上进行,qpdf 版本 12.4.2。
| 对文件做了什么 | 结果 | 文字完全正确的页数 |
|---|---|---|
| 什么也没做(对照) | 已修复 | 5 / 5 |
开头的 %PDF-1.4 被换成 GARBAGE! |
已修复 | 5 / 5 |
startxref 指针后移 100 字节 |
已修复 | 5 / 5 |
| 13 条交叉引用条目整体偏移 17 字节 | 已修复 | 5 / 5 |
从 trailer 关键字起,最后 131 字节被截掉 |
已修复,输出里仍留有 qpdf 警告 | 5 / 5 |
| 末尾 20% 被删除(6,196 字节变成 4,956 字节) | 未修复:返回 200、5 页、有警告 | 4 / 5,第 5 页没有文字 |
| 第 3 页内容里 8 个字节被翻转 | 未修复:返回 200、5 页、有错误 | 4 / 5,第 3 页 12 行只剩 11 行 |
| 同一文件加了所有者密码,未损坏 | 已修复 | 5 / 5 |
| 同一文件加了所有者密码,末尾 20% 被删除 | 被拒绝:400 invalid_pdf |
没有返回文件 |
对同样的损坏文件自己运行 qpdf(qpdf damaged.pdf -- out.pdf),九种情况的结果都一样,因为修复会把上传的字节原样交给 qpdf。规律也就在表里:索引上的损坏能恢复,内容上的损坏不能。
交叉引用表是什么,为什么重建它行得通
PDF 把页面、字体和图片存成带编号的对象,每个对象以 12 0 obj 这样的标记开头。文件接近末尾的位置有一张交叉引用表(cross-reference table,简称 xref),列出每个对象的字节偏移,再由一行 startxref 指向这张表。阅读器先读文件末尾,顺着指针找到表,再直接跳到需要的对象。这张表只是索引:索引错了、对象还完好,就能重新把对象找出来,不需要凭空补任何东西。所以指针写错、条目偏移、尾部缺失,都是能恢复的。qpdf 手册写明,它的恢复机制虽然通常成功,但“uses heuristics that don't work on all files”(qpdf 命令行参考),也就是尽力而为,没有保证。文件结构的更多细节见PDF 里面有什么。
修复救不回什么
不在文件里的字节。测试中被截断的文件仍然报告 5 页,但第 5 页没有文字。第 3 页压缩内容流里的 8 个损坏字节让这一页丢了一行,其他页面完好。
返回 200 不等于完整恢复。上面两个失败的例子都返回了 200,也都是页数正确的 PDF。截断文件和尾部被截掉的文件,输出的 trailer 里仍然缺少 /Size 项,文档信息拒绝它们,返回 400 invalid_pdf;另外四个输出都能通过文档信息,PageCount 是 5。所以页数说明不了内容:内容流损坏的那个输出同样报告 5 页。复测时,对偏移了条目的损坏原文件,文档信息返回的是 200 加 PageCount: 0,所以文档信息返回 200 也不能证明原文件是好的。
加密改变了一个结果。只带所有者密码的文件,未损坏时能原样通过;被截断后则被拒绝,返回 400 invalid_pdf,不会带着部分页面返回。需要密码才能打开的文件没有测试过,请先用移除密码处理。
没有测试的有:使用压缩交叉引用流的文件、大文件,以及不是改字节造成的损坏,比如硬盘故障。
先修复,再检查关键页面
对损坏的文件本身运行修复,不要先用别的工具。修复是唯一把上传的字节原样交给 qpdf 的工具,其他工具会先用另一个 PDF 库重新保存上传的文件。复测中,文档信息拒绝了六个损坏原文件里的四个,返回 400 invalid_pdf。
curl -X POST "https://pdf123.xyz/api/v1/misc/repair" \
-F "[email protected]" -o repaired.pdf
然后打开结果,读最后几页,以及你知道有图或表单的页面;只比对页数是不够的。把损坏的原文件和修复后的副本放在一起保留。如果文件来自下载或邮件附件,丢失的字节只有重新获取一次才能补上。修复之前的那一步,也就是先判断文件是不是真的损坏,见文件打不开:先 Get Info,再 Repair,然后别瞎猜。
常见问题
完全打不开的 PDF 能修好吗?
文件完整、只是索引出错,能:测试里四种索引和文件头的损坏全部恢复,每一页的文字都完整。文件被截短,则只能得到当时还在的页面,其余的丢失。
修复能恢复被截断 PDF 里的页面吗?
测试里删掉末尾 20% 的字节后,仍有 5 页,但第 5 页的文字没了。修复救不回被截掉的部分,能重新下载的话,请重新下载。
修复返回 200,是不是就修好了?
不是。状态码只说明 qpdf 写出了一个输出。要打开结果,读你关心的页面,并保留原文件。九种情况里有两种返回了 200,内容却有缺失。
修复和 qpdf 是一回事吗?
在这次测试里是:检查结果、页数和页面文字,在每一种情况下都与本地运行 qpdf damaged.pdf -- out.pdf 一致,所以你用到的就是 qpdf 自己的恢复机制。