De kruisverwijzingstabel, of XREF-tabel, is de interne index van de PDF. Het vertelt de PDF-lezer waar elk object in het bestand zich bevindt. Wanneer deze tabel beschadigd is, kan de lezer de objecten die hij nodig heeft niet vinden. Pagina's kunnen leeg lijken, in de verkeerde volgorde worden weergegeven of het bestand weigert volledig te openen. PDF repareren-tools die zich richten op de XREF-tabel kunnen de index reconstrueren van de objecten die nog intact zijn, en de inhoud herstellen van een bestand dat beschadigd lijkt.
Corruptie van XREF-tabellen is een van de meest voorkomende oorzaken van schade aan PDF-bestanden, omdat de tabel zich aan het einde van het bestand bevindt, waar gedeeltelijke downloads en onderbroken opslagbewerkingen hun sporen nalaten. Wanneer een PDF-download wordt afgebroken voordat de XREF-tabel is geschreven, of wanneer een opslagbewerking halverwege het schrijven wordt onderbroken, is de tabel onvolledig of ontbreekt deze. De objecten zelf staan nog steeds in het bestand, maar zonder de index weet de lezer niet waar hij ze kan vinden.
De reparatietools PDF Format van WukongPDF pakken structurele corruptie aan, waaronder problemen met XREF-tabellen.
Hoe de kruisverwijzingstabel werkt
Elk object in een PDF heeft een uniek objectnummer en een byte-offset die de lezer vertelt waar hij het in het bestand kan vinden. De XREF-tabel vermeldt elk objectnummer en de bijbehorende byte-offset. Wanneer een PDF-lezer een bestand opent, leest deze eerst de XREF-tabel, bouwt een kaart met objectlocaties op en gebruikt die kaart vervolgens om indien nodig objecten op te halen. De XREF-tabel is het eerste wat wordt gelezen en de basis van alle daaropvolgende PDF-bewerkingen.
Een PDF-bestand met 500 objecten heeft 500 vermeldingen in de XREF-tabel. Als één item beschadigd is, wordt het bijbehorende object ontoegankelijk. De lezer kan het object overslaan, een leeg gebied weergeven waar het object had moeten worden weergegeven, of een fout weergeven. Als de XREF-tabel zelf onherkenbaar beschadigd is, kan de lezer het bestand helemaal niet openen.
XREF-tabellen repareren met Adobe Acrobat Pro
Acrobat Pro bevat een PDF-reparatiefunctie waarmee beschadigde XREF-tabellen kunnen worden gereconstrueerd. Open Acrobat Pro, ga naar Bestand, Openen en selecteer de beschadigde PDF. Als Acrobat tijdens het openen corruptie constateert, probeert het een automatische reparatie uit te voeren. Als het bestand na de reparatie met succes wordt geopend, sla het dan onmiddellijk op onder een nieuwe bestandsnaam om de gerepareerde structuur te behouden.
Als het bestand niet wordt geopend, gebruikt u de Preflight-tool van Acrobat voor een grondigere reparatiepoging. Ga naar Tools, Printproductie, Preflight. Selecteer in het dialoogvenster Preflight de categorie PDF Fixups en kies Kruisverwijzingstabel opnieuw opbouwen. Klik op Analyseren en repareren. Preflight leest elk object in het bestand, bepaalt de byte-offset onafhankelijk van de beschadigde XREF, en bouwt een geheel nieuwe XREF-tabel op.
Opdrachtregel XREF-reparatie met pdftk en qpdf
In de praktijk kunnen de opdrachtregelprogramma's pdftk en qpdf in veel gevallen XREF-corruptie herstellen. De --check-modus van qpdf scant een PDF en rapporteert XREF-fouten zonder het bestand te wijzigen: qpdf --check beschadigd.pdf. Als er fouten worden gevonden, kan qpdf proberen een oplossing te vinden: qpdf --replace-input beschadigd.pdf. De opdracht leest alle objecten, bouwt de XREF-tabel opnieuw op en overschrijft het originele bestand met de gerepareerde versie.
Voor pdftk is het reparatiecommando: pdftk beschadigd.pdf uitvoer gerepareerd.pdf. pdftk leest elk object dat het kan vinden en schrijft een nieuwe PDF met een schone XREF-tabel. Objecten die niet kunnen worden gelezen, worden uit de uitvoer weggelaten. De resulterende PDF is structureel geldig, maar er ontbreekt mogelijk inhoud van de onherstelbare objecten. Vergelijk het aantal pagina's van de gerepareerde PDF met het origineel om te bepalen hoeveel inhoud verloren is gegaan.
| Symptoom | Betekenis | Ernst |
|---|---|---|
| Bestand wil helemaal niet openen | De XREF-tabel ontbreekt of is volledig beschadigd | Cruciaal, het bestand moet worden gerepareerd om toegang te krijgen |
| Pagina's worden niet in de juiste volgorde weergegeven | XREF-gegevens verwijzen naar verkeerde paginagegevens | Matig, inhoud bestaat maar is gecodeerd |
| Sommige pagina's blanco, andere prima | Specifieke XREF-vermeldingen zijn beschadigd | Gedeeltelijk, sommige inhoud kan worden hersteld |
Handmatige XREF-reconstructie in ernstige gevallen
Wanneer geautomatiseerde tools de XREF-tabel niet kunnen repareren, is handmatige reconstructie met behulp van een hex-editor en kennis van PDF-specificaties het laatste redmiddel. Deze aanpak is alleen praktisch voor PDF's met hoogwaardige inhoud waarbij de tijdsinvestering gerechtvaardigd is. Het proces omvat het byte voor byte lezen van het bestand, het identificeren van PDF-objecten aan de hand van hun openingsobj- en sluitingsendobj-markeringen, het vastleggen van hun byte-offsets en het schrijven van een nieuwe XREF-tabel.
Dit is specialistisch werk waarvoor een gedetailleerd begrip van het PDF-bestandsformaat vereist is. Als geautomatiseerde reparatietools falen, zijn professionele PDF-herstelservices voor de meeste gebruikers de volgende stap. Deze services gebruiken gespecialiseerde software om beschadigde PDF's te parseren en zoveel mogelijk inhoud te herstellen. De kosten zijn doorgaans per bestand en afhankelijk van de bestandsgrootte en de omvang van de schade.
Het voorkomen van XREF-corruptie in de toekomst
XREF-corruptie wordt meestal veroorzaakt door onderbroken schrijfbewerkingen: een opslagbewerking die is geannuleerd, een download waarbij een time-out is opgetreden, een schijf die tijdens het schrijven onvoldoende ruimte heeft. Gebruik een downloadmanager die CV ondersteunt voor grote PDF-downloads. Sla PDF's eerst op in de lokale opslag voordat u ze naar netwerkstations kopieert. Controleer of een opslagbewerking met succes is voltooid voordat u de PDF-editor sluit.
Als het gaat om documentworkflows, houdt u voor cruciale documenten controlesomrecords bij. Nadat u een PDF hebt opgeslagen, berekent u de SHA-256-hash en neemt u deze op. Controleer periodiek de hash aan de hand van de opgeslagen waarde. Een gewijzigde hash duidt op wijziging of beschadiging van het bestand, wat mogelijk gevolgen heeft voor de XREF-tabel, en vraagt om herstel vanaf een back-up voordat de beschadiging tot gegevensverlies leidt.
Corruptie van XREF-tabellen is een structureel probleem met een structurele oplossing. De objecten zijn meestal intact. De index die ernaar verwijst, is kapot. Door de index te repareren, wordt het document hersteld zonder de inhoud helemaal opnieuw op te bouwen.
Als XREF-reparatie mislukt: inhoud extraheren
Als reparatietools geen werkende PDF kunnen reconstrueren, extraheer dan welke inhoud kan worden hersteld. Open de beschadigde PDF in een hex-editor en identificeer intacte pagina-inhoudsstromen door te zoeken naar stream- en endstream-markeringen. Extraheer deze streams en converteer ze naar zichtbare pagina-afbeeldingen met behulp van een PDF-streamdecoder.
Dit is technisch veeleisend en levert gedeeltelijke resultaten op. Voor onvervangbare inhoud waarbij professioneel herstel gerechtvaardigd is, stuurt u het bestand naar een gespecialiseerde PDF-herstelservice. Deze services maken gebruik van propriëtaire tools die verder gaan dan wat software voor consumenten kan proberen.
PDF-reparatie combineert begrip van het PDF-formaat met kennis van de beschikbare tools. Het belangrijkste principe is dat je nooit aan de enige kopie van een beschadigd bestand moet werken. Maak altijd een byte-voor-byte kopie van het beschadigde origineel voordat u een reparatie probeert.
Tijdens typische workflows, als het gaat om documentworkflows, voor organisaties die PDF's als kernactiviteit verwerken, vermindert het hebben van gedocumenteerde reparatieprocedures en speciaal opgeleid personeel de downtime wanneer corruptie optreedt. De procedure moet omvatten welke hulpmiddelen u als eerste moet proberen en wanneer u professioneel herstel moet inschakelen.
In de praktijk is de frequentie van PDF-corruptie een nuttige maatstaf voor het evalueren van documentverwerkingsprocessen. Een toename kan wijzen op problemen met de netwerkopslag, schijfproblemen of softwarefouten voor het genereren van PDF's. Het onderzoeken van de hoofdoorzaken voorkomt toekomstige incidenten.
Het repareren van kruisverwijzingen is een van de meest bevredigende PDF-reparatiebewerkingen, omdat het vaak een document herstelt dat volledig verloren leek. Een bestand dat niet wil openen, wordt weer toegankelijk nadat de XREF-tabel opnieuw is opgebouwd.
De meest voorkomende oorzaak van beschadiging van de XREF-tabel is een onderbroken opslagbewerking. Als de PDF-editor crasht of het systeem tijdens het opslaan de stroom verliest, kan de XREF-tabel gedeeltelijk worden geschreven, waardoor het bestand in een inconsistente staat blijft.
PDF-reparatietools die de XREF-tabel opnieuw opbouwen, werken door het bestand te scannen op objectmarkeringen en de byte-offsetkaart helemaal opnieuw op te bouwen. Dit proces wijzigt de objecten zelf niet, alleen de index die ernaar verwijst.
Na succesvolle XREF-reparatie voert u een volledige tekstextractie uit op de gerepareerde PDF om de volledigheid van de inhoud te verifiëren. Vergelijk de geëxtraheerde tekst met een bekend voorbeeld of met het verwachte aantal pagina's om te bevestigen dat er geen inhoud verloren is gegaan.
Sommige PDF-corruptie wordt veroorzaakt door fouten bij bestandsoverdracht en niet door schrijffouten. Als u een PDF downloadt via een onstabiele verbinding, kan er een bestand met ontbrekende bytes ontstaan. Opnieuw downloaden vanaf de bron lost het probleem vaak op.
Bij de meeste tools is het PDF-formaat ontworpen om bestand te zijn tegen bepaalde vormen van corruptie. De XREF-tabel kan vanuit de objecten opnieuw worden opgebouwd. De bestandstrailer kan worden gereconstrueerd vanuit de XREF-tabel. Er bestaan meerdere herstelpaden binnen het formaat.
Voor preventief onderhoud valideert u periodiek PDF's in een documentbibliotheek door ze programmatisch te openen en te controleren op structurele fouten. Vroegtijdige detectie van corruptie maakt reparatie mogelijk voordat het bestand dringend nodig is.
Professionele PDF-hersteldiensten combineren geautomatiseerde reparatietools met handmatige bewerking op hexadecimaal niveau. Ze behandelen gevallen waarin geautomatiseerde tools falen, maar hun diensten zijn geprijsd per bestand en zijn alleen gerechtvaardigd voor documenten met een hoge waarde.
Het leren interpreteren van de uitvoer van PDF-reparatietools is een vaardigheid die zich met ervaring ontwikkelt. Foutmeldingen die op het eerste gezicht cryptisch lijken, worden diagnostische aanwijzingen na het doornemen van een paar reparatiegevallen.
PDF-reparatie is zowel een diagnostische als een technische vaardigheid. De uitvoer van de reparatietool vertelt u wat er mis is. De ervaring leert u welke oplossing u moet toepassen. De patroonherkenning die ontstaat door het omgaan met meerdere reparatiegevallen maakt het diagnostische proces in de loop van de tijd sneller en nauwkeuriger.
Reparatie van XREF-tabellen is een van de meest effectieve PDF-herstelbewerkingen, omdat hiermee de meest voorkomende structurele fout wordt aangepakt. De objecten zijn meestal intact. De index die ernaar verwijst, is kapot. Door de index opnieuw op te bouwen, wordt het document hersteld zonder de inhoud helemaal opnieuw op te bouwen.