Cómo reparar un PDF dañado y recuperar lo que todavía hay dentro

Un PDF que no se abre parece una pérdida total, pero normalmente no lo es. En la inmensa mayoría de los casos el contenido de las páginas sigue dentro del archivo, intacto y legible; lo que se ha roto es esa pequeña pieza de contabilidad interna que le dice al lector dónde empieza cada página. Reparar el archivo consiste en reconstruir esa contabilidad, no en recrear el documento.

Esta guía explica qué se rompe de verdad, cómo distinguir un archivo recuperable de uno realmente destruido y cómo reparar un PDF en tu navegador sin instalar nada.

Qué se rompe realmente en un PDF dañado

Un PDF no es un flujo continuo de texto como lo es un archivo plano. Es una colección de objetos numerados —tipografías, imágenes, descripciones de página, metadatos— seguida, al final del archivo, de una tabla de consulta llamada tabla de referencias cruzadas, o xref. La xref registra el desplazamiento exacto en bytes de cada objeto. Cuando un lector abre un PDF, salta al final, lee la xref y la usa para localizar la página uno.

Ese diseño es rápido, pero tiene una debilidad concreta: el índice vive al final y apunta hacia atrás. Si algo desplaza la posición de los objetos, o si la cola del archivo nunca llega, todos los desplazamientos de la xref quedan mal a la vez. El lector busca la página uno en el byte 48.213, encuentra algo que no es una página y se rinde. Nada de la página en sí ha sufrido daño alguno.

• Tabla de referencias cruzadas rota. El índice existe, pero sus desplazamientos ya no coinciden con la realidad. Es con diferencia la forma más común de daño en un PDF y casi siempre tiene reparación.
• Archivo truncado. Una subida, una descarga o una copia se detuvo antes de tiempo, así que la última parte del archivo —incluida la xref— nunca llegó. Recuperable hasta el punto donde el archivo se corta.
• Flujos de objetos dañados. Objetos concretos han sido alterados, normalmente por un programa que escribió mal en el archivo. Reparable página a página; las páginas dañadas pueden perder formato.
• Tipografías incrustadas corruptas. El texto está ahí, pero la fuente a la que hace referencia es ilegible, así que las páginas salen en blanco o con recuadros. Suele arreglarse sustituyendo por una fuente estándar.
• Cabecera no válida. El archivo no empieza por %PDF-. A menudo significa que en realidad no es un PDF, o que algo se le ha antepuesto.

Los mensajes de error más habituales, descifrados

El mensaje que muestra tu lector es una guía razonable de qué ha fallado. Estos son los que aparecen con más frecuencia:

Esa última fila importa más de lo que parece. Una parte nada despreciable de los archivos que la gente lleva a una herramienta de reparación no están dañados: están protegidos con contraseña, y el mensaje del lector simplemente no es claro. Si conoces la contraseña, usa Proteger PDF para gestionar el cifrado del archivo en lugar de intentar repararlo.

Qué se puede recuperar y qué no

Ser honesto con las expectativas vale más que el optimismo, porque te dice cuándo dejar de perder tiempo con un archivo y ponerte a buscar el original.

• Casi siempre recuperable: tablas xref rotas, archivos que el lector se niega a abrir pero que por lo demás están completos, PDF guardados por un programa que se cerró a mitad de escritura y archivos que salen en blanco por problemas de tipografía.
• Parcialmente recuperable: archivos truncados. Obtienes todo hasta el byte donde el archivo se corta, y nada después. Una descarga que llegó al 80% suele dar aproximadamente el 80% de las páginas, intactas.
• Rara vez recuperable: archivos en los que los propios flujos de objetos han sido sobrescritos con datos ajenos, por ejemplo por un disco defectuoso o una tarjeta de memoria en mal estado. El índice puede reconstruirse, pero apuntará a contenido que ya no existe.
• Ni siquiera es un problema de reparación: archivos cifrados, archivos que nunca fueron PDF (una extensión .pdf sobre un documento de Word, por ejemplo) y archivos de 0 bytes. Dentro de un archivo de 0 bytes no hay nada que recuperar.

Tres cosas que probar antes de reparar

Cada una de ellas lleva menos de un minuto y cada una resuelve una categoría real de problema que no es corrupción:

1. Ábrelo en otro lector. Los lectores varían enormemente en su tolerancia ante archivos mal formados. Un PDF que Adobe Acrobat rechaza de plano se abrirá muchas veces en Chrome o Firefox, que reparan en silencio problemas estructurales menores. Si se abre en el navegador, imprímelo de nuevo a PDF y ya tienes una copia limpia.
2. Descárgalo otra vez. Si el archivo llegó por red, la explicación más sencilla es que la transferencia falló. Vuelve a descargarlo y compara el tamaño con el del origen antes de dar por hecho que el archivo tiene la culpa.
3. Comprueba que sea un PDF. Ábrelo en cualquier editor de texto plano y mira la primera línea. Un PDF real empieza por %PDF-1.4 o similar. Si ves PK, es un ZIP o un archivo de Office con la extensión equivocada; si ves <!DOCTYPE html>, has descargado una página de error en lugar del documento.

Reparar un PDF en tres pasos

Si el archivo está realmente dañado, repararlo con PdfDocShift lleva tres pasos. No hay instalación ni registro, y todos los archivos subidos se eliminan definitivamente de nuestros servidores a las dos horas.

Reparar PDF escaneados y con muchas imágenes

Los documentos escaneados se corrompen de forma distinta a los de texto, y conviene tratarlos como un caso aparte. Un PDF escaneado es un contenedor de imágenes grandes, así que una proporción mucho mayor del archivo son datos de imagen: eso significa que el truncamiento te cuesta páginas enteras en lugar de un índice roto, y que un archivo parcial suele terminar a mitad de una imagen, dejando una última página dibujada a medias.

De ahí se derivan dos cosas. Primera: repara un PDF escaneado antes de hacerle cualquier otra cosa; aplicar compresión o conversión a un escaneo dañado tiende a fijar el daño de forma permanente. Segunda: si el archivo reparado se abre pero el texto ya no se puede seleccionar, la capa de texto no sobrevivió; puedes reconstruirla pasando el archivo reparado por OCR PDF, que lee las imágenes y escribe debajo una capa de texto nueva y buscable.

Si el escaneo recuperado resulta poco manejable después —la reparación produce a veces un archivo más grande que el original, porque no puede reutilizar las estructuras de compresión rotas—, Comprimir PDF lo reducirá sin tocar las páginas en sí.

Cómo se dañan los PDF y cómo evitarlo

Casi toda la corrupción real de PDF se explica por un número reducido de causas, y la mayoría son evitables:

• Transferencias interrumpidas. Una descarga que se corta, un recurso de red que se desconecta a mitad de copia o un USB retirado antes de que terminara la escritura. Expulsa siempre los medios extraíbles correctamente y verifica el tamaño del archivo tras transferencias grandes.
• Editar un archivo en la nube mientras se sincroniza. Guardar encima de un PDF que Dropbox, OneDrive o Google Drive está subiendo en ese momento es una forma fiable de producir un archivo mitad viejo mitad nuevo. Deja que termine la sincronización antes de abrirlo.
• Aplicaciones que se cierran durante el guardado. Un PDF escrito por un programa que se cerró de forma inesperada suele tener contenido pero ningún índice válido: el caso reparable clásico.
• Enviar PDF como adjuntos en línea a través de servidores antiguos. Algunos sistemas de correo heredados todavía aplican codificación de modo texto a adjuntos binarios, lo que los corrompe en tránsito. Comprime el archivo antes de enviarlo si tratas con un sistema del que no te fías.
• Almacenamiento defectuoso. Los sectores dañados y las tarjetas de memoria moribundas corrompen archivos en silencio. Si más de un archivo de una unidad se ha estropeado, el problema es la unidad: copia todo lo que puedas antes de hacer cualquier otra cosa.

Preguntas frecuentes