ブラウザベースのツールを使用して PDF を Word に変換します。変換が完了し、出力をダウンロードします。 Word ファイルを開くと、何かが間違っています。文字化けしています。テーブルは乱雑です。画像がありません。変換は失敗しましたが、出力を検査するまで失敗は分かりませんでした。元の PDF はデバイス上にそのまま残っています。変換されたファイルが破損しています。問題は、変換プロセスによってコンテンツが破損したのか、それとも出力が単に修復可能な形で不正なだけなのかどうかです。
形式変換に失敗した後に PDF を修復するということは、変換中に何が問題になったのかを診断し、元の PDF がまだ損なわれていないかを判断し、特定の失敗タイプに適切な修正を適用することを意味します。修復戦略は症状によって異なります。文字化けしたテキストには、画像の欠落や表の乱れとは異なる原因と修正方法があります。
失敗した変換に対するPDF の修復 のアプローチは、元のファイルから始まります。元の PDF はほぼ確実に破損していません。このエラーは、ソース文書内ではなく、変換プロセス中に発生しました。
一般的な変換失敗のタイプとその修正
| 症状 | 考えられる原因 | 修正 |
|---|---|---|
| 出力内のテキストが文字化けする | 変換中のフォントエンコーディングの不一致。変換ツールは元の PDF のフォント エンコーディングを正しく解釈できませんでした | フォント エンコーディングを異なる方法で処理する別の変換ツールを試してください。 PDF をスキャンした場合は、変換する前に OCR を実行します。 |
| テーブルがスクランブルまたは欠落している | 変換ツールは、PDF レイアウト内のテーブルの境界を識別できませんでした。複数列のレイアウトまたは不規則なテーブル構造によりコンバーターが混乱する | テーブル抽出専用に設計されたツールを使用して変換します。テーブル検出感度の変換設定を調整する |
| 画像がありません | JPEG2000 や JBIG2 など、変換ツールがサポートしていない形式で保存された画像は変換中にスキップされます。 | 画像抽出ツールを使用して画像を個別に抽出します。変換されたドキュメントに手動で再挿入します |
| 変換後にファイルが開かない | 変換により、構造的に無効な出力ファイルが生成されました。変換ツールは出力形式を正しく書き込めませんでした | 別の変換ツールを使用して再処理します。出力が Word 形式の場合は、構造上のエラーを許容できる別のワード プロセッサで開いてみてください。 |
元の PDF が損なわれていないことを確認する
元の PDF を開いて、すべてのページをスクロールします。すべてのコンテンツが存在し、正しく表示されていることを確認します。変換プロセスでは PDF が読み取られます。変更はしません。オリジナルは変換前と同じ状態である必要があります。オリジナルに損傷の兆候がある場合、問題は変換よりも前に発生したものです。オリジナルが損なわれていない場合、問題は変換ツールまたは設定にあります。
WukongPDF は、元のファイルを変更せずにサーバー側で変換を処理します。変換に失敗した場合のPDFのアプローチは、元のファイルを信頼できる参照として残しておきながら、調整した設定または別のツールで再処理することです。
代替のコンバージョン パスの選択
直接変換が繰り返し失敗する場合は、間接パスを試してください。 PDF を画像やプレーンテキストなどの中間形式に変換し、その中間形式をターゲット形式に変換します。追加の手順により時間がかかりますが、直接変換の失敗の原因となった特定の構造上の問題を回避できます。たとえば、各 PDF ページを高解像度の PNG に変換し、画像に対して OCR を実行すると、元の PDF に直接変換できないフォント エンコーディングの問題がある場合でも、編集可能なテキストが生成されます。
PDF ツール 間接変換ワークフローはフォールバックであり、主要な方法ではありません。速度が遅くなり、出力の品質が低下する可能性があります。これは、直接変換が失敗し、ドキュメントのコンテンツを復元する必要がある場合に役立ちます。
障害が回復可能かどうかの特定
修復に時間を費やす前に、変換の失敗によって修復可能な出力が生成されたかどうか、または元の状態からやり直す方が効率的かどうかを判断してください。出力ファイルが開き、ほとんどのコンテンツが正しく表示されますが、局所的なエラーがある場合は、修復する価値があります。出力ファイルが開かない、ほとんど空白である、または全体にエラーが分散している場合は、別の設定または別のツールで変換を再開する方が時間を有効に活用できます。
回復の決定は、損害の程度と文書の価値に基づいて行う必要があります。 3 ページに文字化けがある 200 ページの文書は修復する価値があります。空白ページに変換された 2 ページのドキュメントは、再変換がより速くなります。修正と再起動の間の修復 PDF のしきい値は、修復時間と再変換時間の比率によって異なります。両方を見積もり、より速い方のパスを選択してください。
変換失敗から学び、再発を防ぐ
変換に失敗するたびに、処理するドキュメントについて何かがわかります。フォント エンコーディングの不一致は、特定のソース アプリケーションのドキュメントに変換前 OCR が必要であることを示唆しています。テーブル検出の失敗は、特定の形式のテーブルを専用のテーブル抽出ツールを使用して変換する必要があることを示唆しています。障害パターンとそれを解決した修正を文書化します。次回同様の文書が到着するときには、修正はすでにわかっていることになります。
一般的な変換失敗の症状を修正にマッピングした、チーム用の簡単なリファレンスを作成します。参照により、失敗が再発した場合に時間が節約されます。これは、同じドキュメント ソースから同じ変換課題を持つ同じタイプの PDF が生成されるためです。 Fix PDF ナレッジ ベースは失敗するたびに増加し、その後のすべての変換の信頼性が高まります。
失敗した変換出力に部分的なデータが含まれる場合
部分的なデータを含むファイルを生成する変換は、失敗することもあれば、部分的に成功することもあります。変換後に残ったデータは使用できます。紛失または破損したデータは回復する必要があります。失敗した出力から適切なデータを抽出し、元の PDF から欠落している部分のみを再処理します。ハイブリッド アプローチでは、最初から再起動するか、部分的な出力を受け入れるよりも多くのコンテンツが回復されます。
表形式データの場合は、失敗した出力から正しく変換された行を新しいスプレッドシートにコピーします。欠落している行については、別の変換ツールまたはアプローチを使用して、元の PDF からそのページのみを変換します。 2 つのソースを 1 つの完全なデータセットにマージします。 Fix PDF ハイブリッド回復アプローチは、特定のセクションのみが失敗した場合にドキュメント全体を再変換するよりも効率的です。