Como reparar um PDF danificado e recuperar o que ainda está lá dentro

Um PDF que não abre parece uma perda total, mas normalmente não é. Na esmagadora maioria dos casos o conteúdo das páginas continua dentro do ficheiro, intacto e legível — o que se partiu foi aquela pequena peça de contabilidade interna que diz ao leitor onde começa cada página. Reparar o ficheiro é reconstruir essa contabilidade, não recriar o documento.

Este guia explica o que se parte de facto, como distinguir um ficheiro recuperável de um verdadeiramente destruído e como reparar um PDF no seu navegador sem instalar nada.

O que se parte realmente num PDF danificado

Um PDF não é um fluxo contínuo de texto como é um ficheiro simples. É uma coleção de objetos numerados — tipos de letra, imagens, descrições de página, metadados — seguida, mesmo no fim do ficheiro, de uma tabela de consulta chamada tabela de referências cruzadas, ou xref. A xref regista o deslocamento exato em bytes de cada objeto. Quando um leitor abre um PDF, salta para o fim, lê a xref e usa-a para encontrar a página um.

Esse desenho é rápido, mas tem uma fragilidade concreta: o índice vive no fim e aponta para trás. Se algo deslocar a posição dos objetos, ou se a cauda do ficheiro nunca chegar, todos os deslocamentos da xref ficam errados de uma só vez. O leitor procura a página um no byte 48 213, encontra algo que não é uma página e desiste. Nada na página em si foi danificado.

• Tabela de referências cruzadas partida. O índice está presente mas os seus deslocamentos já não correspondem à realidade. É de longe a forma mais comum de dano num PDF e é quase sempre reparável.
• Ficheiro truncado. Um carregamento, uma transferência ou uma cópia parou antes do tempo, pelo que a última parte do ficheiro — incluindo a xref — nunca chegou. Recuperável até ao ponto onde o ficheiro termina.
• Fluxos de objetos danificados. Objetos individuais foram alterados, normalmente por um programa que escreveu mal no ficheiro. Reparável página a página; as páginas danificadas podem perder a formatação.
• Tipos de letra incorporados corrompidos. O texto está presente mas a fonte que ele referencia está ilegível, pelo que as páginas surgem em branco ou com quadrados. Costuma resolver-se substituindo por uma fonte padrão.
• Cabeçalho inválido. O ficheiro não começa por %PDF-. Muitas vezes significa que não é mesmo um PDF, ou que algo lhe foi anteposto.

As mensagens de erro mais comuns, descodificadas

A mensagem que o seu leitor mostra é um bom indicador do que correu mal. Estas são as que surgem com mais frequência:

Aquela última linha conta mais do que parece. Uma parte nada despicienda dos ficheiros que as pessoas levam a uma ferramenta de reparação não está danificada: está protegida por palavra-passe, e a mensagem do leitor é apenas pouco clara. Se souber a palavra-passe, use Proteger PDF para gerir a cifragem do ficheiro em vez de tentar repará-lo.

O que se pode recuperar e o que não

Definir expectativas honestas vale mais do que otimismo, porque lhe diz quando parar de gastar tempo num ficheiro e ir à procura do original.

• Quase sempre recuperável: tabelas xref partidas, ficheiros que um leitor se recusa a abrir mas que de resto estão completos, PDF gravados por um programa que fechou a meio da escrita e ficheiros que aparecem em branco por problemas de fontes.
• Parcialmente recuperável: ficheiros truncados. Fica com tudo até ao byte onde o ficheiro termina, e com nada depois disso. Uma transferência que chegou aos 80% costuma dar cerca de 80% das páginas, intactas.
• Raramente recuperável: ficheiros em que os próprios fluxos de objetos foram sobrescritos com dados alheios, por exemplo por um disco avariado ou um cartão de memória em fim de vida. O índice pode ser reconstruído, mas apontará para conteúdo que desapareceu mesmo.
• Não é sequer um problema de reparação: ficheiros cifrados, ficheiros que nunca foram PDF (uma extensão .pdf num documento Word, por exemplo) e ficheiros de 0 bytes. Dentro de um ficheiro de 0 bytes não há nada para recuperar.

Três coisas a tentar antes de reparar

Cada uma demora menos de um minuto e cada uma resolve uma categoria real de problema que não é corrupção:

1. Abra-o noutro leitor. Os leitores variam enormemente na tolerância a ficheiros malformados. Um PDF que o Adobe Acrobat rejeita liminarmente abre muitas vezes no Chrome ou no Firefox, que corrigem em silêncio pequenos problemas estruturais. Se abrir no navegador, volte a imprimi-lo para PDF e fica com uma cópia limpa.
2. Transfira-o outra vez. Se o ficheiro chegou pela rede, a explicação mais simples é que a transferência falhou. Volte a transferi-lo e compare o tamanho com o da origem antes de assumir que a culpa é do ficheiro.
3. Confirme que é um PDF. Abra-o em qualquer editor de texto simples e olhe para a primeira linha. Um PDF verdadeiro começa por %PDF-1.4 ou semelhante. Se vir PK, é um ZIP ou um ficheiro do Office com a extensão errada; se vir <!DOCTYPE html>, transferiu uma página de erro em vez do documento.

Reparar um PDF em três passos

Se o ficheiro estiver mesmo danificado, repará-lo com o PdfDocShift leva três passos. Sem instalação e sem registo, e todos os ficheiros carregados são eliminados definitivamente dos nossos servidores ao fim de duas horas.

Reparar PDF digitalizados e com muitas imagens

Os documentos digitalizados danificam-se de forma diferente dos de texto, e vale a pena tratá-los como um caso próprio. Um PDF digitalizado é um contentor de imagens grandes, pelo que uma fatia muito maior do ficheiro são dados de imagem: isso significa que o truncamento lhe custa páginas inteiras em vez de um índice partido, e que um ficheiro parcial termina muitas vezes a meio de uma imagem, deixando uma última página desenhada pela metade.

Daqui decorrem duas coisas. Primeira: repare um PDF digitalizado antes de lhe fazer seja o que for; aplicar compressão ou conversão a uma digitalização danificada tende a fixar o dano de forma permanente. Segunda: se o ficheiro reparado abrir mas o texto já não puder ser selecionado, a camada de texto não sobreviveu — pode reconstruí-la passando o ficheiro reparado por OCR PDF, que lê as imagens e escreve por baixo uma nova camada de texto pesquisável.

Se a digitalização recuperada ficar depois pesada — a reparação produz por vezes um ficheiro maior do que o original, porque não consegue reaproveitar as estruturas de compressão partidas —, Comprimir PDF trá-la-á de novo para baixo sem tocar nas páginas em si.

Como os PDF se danificam e como evitá-lo

Quase toda a corrupção real de PDF se reconduz a um número reduzido de causas, e a maioria é evitável:

• Transferências interrompidas. Uma transferência que cai, uma partilha de rede que se desliga a meio da cópia, ou uma pen USB retirada antes de a escrita terminar. Ejete sempre os suportes amovíveis em condições e verifique o tamanho dos ficheiros após transferências grandes.
• Editar um ficheiro na nuvem enquanto sincroniza. Gravar por cima de um PDF que o Dropbox, o OneDrive ou o Google Drive está precisamente a carregar é uma forma fiável de produzir um ficheiro meio antigo e meio novo. Deixe a sincronização terminar antes de abrir o ficheiro.
• Aplicações que fecham durante a gravação. Um PDF escrito por um programa que terminou de forma inesperada tem tipicamente conteúdo mas nenhum índice válido — o caso reparável clássico.
• Enviar PDF como anexos incorporados através de servidores antigos. Alguns sistemas de correio mais antigos ainda aplicam codificação em modo de texto a anexos binários, corrompendo-os em trânsito. Comprima o ficheiro antes de enviar se estiver a lidar com um sistema em que não confia.
• Armazenamento a falhar. Setores defeituosos e cartões de memória em fim de vida corrompem ficheiros em silêncio. Se mais do que um ficheiro de uma unidade se estragou, o problema é a unidade — copie tudo para fora antes de fazer qualquer outra coisa.

Perguntas frequentes