文件打不开:先 Get Info,再 Repair,然后别瞎猜
PDF 打不开多半是结构问题:先用 Get Info 预检,再用 Repair 做 qpdf 结构重建与 xref 恢复,别拿 OCR 或压缩去猜。

打不开的 PDF,通常出在结构上:交叉引用表坏了、下载被截断、对象畸形,而不是缺了一张你能手动画出来的页面图像。在文件能被解析之前,拿 OCR、压缩或转换去猜,都是白费时间。
先跑 Get Info
获取信息(POST /api/v1/security/get-info-on-pdf)返回一份 JSON 报告:FileSize、PageCount、Encrypted,存在时的 Info 字典字段(title、author、subject、creator、producer),PDF Version,一份简单的 Pages 列表,以及是否找到了文档根。把它当预检用:
- Encrypted: true 表示多数编辑前需要授权的 解锁;单靠修复不会破解密码。
- PageCount / FileSize 看着正常,可桌面查看器仍然打不开:下一步试结构性 修复。
- 调用本身就加载不了字节:文件可能损坏到连一次干净的 Info 都过不去,仍然可以对副本试一次修复。
Get Info 不改写 PDF。它告诉你解析器能看见什么,好让你别再遇到失败就当成“需要 OCR”或“需要压缩”。
再跑 Repair(经 qpdf 重建结构)
修复 PDF(POST /api/v1/misc/repair)用 qpdf 重写文件,只要残余对象够多,查看器就能重新打开它。修好之后,原本要展示的页面内容会被保留;这项作业修的是文件的地图(xref / 对象流),不是把已删草稿取证式地反删除。
修复不是:
- OCR 或扫描清理(文件能开,文字只是图像):用 OCR,它在这里默认返回 Markdown 文本,选择可搜索 PDF 输出时则返回带文本层的 PDF
- 去密码:用 解锁
- 字体修复,或者“让文件重新可编辑”
- Windows 产品“Recovery Toolbox for PDF”的克隆
品牌与渠道的区别(在线结构修复 vs 桌面“recovery toolbox”搜索),见 PDF 在线修复与 Recovery Toolbox 搜索。
不再瞎猜的决策树
- 查看器打不开文件:获取信息,然后 修复。
- 文件能开,但扫描页上选不中、搜不到:OCR 拿 Markdown 或可搜索的 PDF;如果体积仍是问题,可选对副本做 压缩(扫描包:先 OCR 再压缩)。
- 文件能开,表格导出 204:没检测到列,见 空表格导出(204)。
- 想从脚本或 Agent 做同样的修复:经 开发者 调
POST /api/v1/misc/repair。客户端会重试上传时带上Idempotency-Key(Idempotency-Key)。
“已修复”仍然修不好什么
修复成功,只意味着查看器又能打开这份文件了。它不意味着:
- 每一页图像都从虚无中被重建出来(缺失的对象仍然缺失)
- 扫描页上的文字变得可选(那是 OCR,在这里产出 Markdown 或可搜索的 PDF)
- 加密消失(要用已知密码解锁)
- 表格能导出了(仍然需要列状文字;204 表示一个都没检测到)
如果修复后 Get Info 显示页数合理,某一页却是空白,那是结构恢复了,而该页内容在原始字节里可能本来就是空的或被截断。
保留损坏的原件
在任何修复衍生物旁边,保留那份损坏的原件。若修复无法恢复出足够的结构,诚实的结论是“字节已经没了”,而不是在目录里再随机换一个工具去试。压缩或转换一份仍然解析不了的文件,不会凭空补出缺失的对象。
如果你是通过桌面“recovery toolbox”的品牌搜索找到这个工具的,渠道意图的对比见 PDF 在线修复与 Recovery Toolbox 搜索。目录工具的浏览器路径不需要账号。