PDF 里面有什么：对象、流与交叉引用表

PDF 不是把页面平铺出来的转储文件，而是一份由对象构成的小型数据库：多数内容存成压缩流，再由交叉引用表（xref）标出位置，阅读器才能直接跳到 17 号对象，不必从头扫到尾。这张地图一坏，查看器就说文件损坏，哪怕页面字节还好端端躺在磁盘上。

对象

页面、字体、图像、元数据、文档目录，凡是值得关心的东西都是带编号的对象。页面指向内容流与资源，资源指向字体与 XObject，目录指向页树。合并、旋转、盖章这类工具做的事，大多是重写这张关系图，而不是重绘像素。

流

流是一种载荷为字节序列的对象，通常经 Flate 压缩，装的是页面内容运算符、嵌入字体文件或图像数据。所以用文本编辑器打开 PDF，会看到 ASCII 记号与二进制块混杂。把流展开、但不动页面外观，是排查问题的常用手段；本站的 压缩 则用 qpdf 重新压紧这些流，它不降采样图像，也不子集化字体。

交叉引用表

典型文件靠近末尾处有一段 xref 节，较新的文件里则是 xref 流，逐条列出每个对象号的字节偏移，阅读器直接 seek 过去。下载被截断、合并出错、保存写到一半，都会让尾部 trailer 指向已经对不上的偏移：第一页的像素或许仍在，找到“第一页”的那张地图却没了。

所以结构修复跟 OCR、解锁是两种活：修复从有效残余重建内部结构，既不补画缺失的页面图，也不猜密码。

重写前先检查

获取 PDF 信息 返回一份 JSON 报告，含页数、元数据、字体与结构细节，不是改过的 PDF。在压缩、转换或修复之前想先弄清手上是什么文件，就该用它。

查看器完全拒绝打开时，改用 修复 PDF，它会重建结构，包含交叉引用恢复。文件能打开、只是扫描文字选不中，那是 OCR 的问题，不是 xref 的问题。

短决策顺序

1. 文件打不开：先 修复。
2. 文件能开，你要的是事实（页数、字体、加密线索）：用 获取信息。
3. 结构没问题，你要更小的文件或从扫描件里拿到可读文字：体积用 压缩，文字用 OCR 取 Markdown，不必再跑一次修复。

Get Info 与 Repair 都不需要账号。想通过 HTTP 调同一批 op，见 开发者。Repair 与品牌桌面“recovery”产品有何不同，见 PDF 在线修复与 Recovery Toolbox 搜索。