A única cópia de um contrato de três anos atrás é um PDF que agora abre com uma mensagem de erro. Um relatório de pesquisa baixado de um site extinto não exibirá nada além da página quatro. O contrato assinado por um cliente foi armazenado em uma unidade que apresentou erros e o arquivo recuperado está parcialmente corrompido. Essas situações são estressantes, mas nem sempre desesperadoras. A recuperação de texto de PDFs danificados é possível com mais frequência do que as pessoas esperam – a questão é saber qual abordagem tentar primeiro.
Entenda com que tipo de dano você está lidando
Nem todos os danos do PDF são iguais e a abordagem de recuperação depende do que deu errado. Algumas observações rápidas dizem muito:
- O arquivo não abre: o cabeçalho do arquivo ou a estrutura interna está danificada. Uma ferramenta de reparo precisa reconstruir a estrutura do arquivo antes que qualquer conteúdo possa ser acessado.
- O arquivo abre, mas algumas páginas estão em branco ou faltando: corrupção parcial — a estrutura do arquivo está intacta, mas alguns objetos de conteúdo estão danificados ou ausentes. A recuperação pode recuperar as partes não corrompidas.
- Text é exibido como símbolos ou caracteres ilegíveis: corrupção de codificação de fonte. Os dados de texto podem estar intactos, mas o mapeamento entre caracteres e glifos está quebrado.
- O arquivo é muito pequeno (alguns KB quando deveria ser muito maior): download ou transferência incompleta. O arquivo nunca foi totalmente recebido – obter uma nova cópia da fonte é a solução, não o reparo.
Experimente Reparar PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Experimente um visualizador PDF diferente antes de qualquer coisa
Alguns arquivos que falham em um visualizador são abertos com êxito em outro. Adobe Reader, visualizador PDF integrado do Chrome, Apple Preview, Foxit e Sumatra PDF usam mecanismos de renderização diferentes. Um arquivo que um mecanismo não consegue analisar pode estar dentro da tolerância de recuperação de outro.
Se algum visualizador abrir o arquivo - mesmo que parcialmente - tente imediatamente copiar todo o texto visível (Ctrl+A e depois Ctrl+C) e colá-lo em um documento do Word. Isso captura qualquer texto acessível no estado atual do arquivo, independentemente de a estrutura do arquivo ser recuperável. Uma extração de texto imperfeita é melhor do que nada e pode capturar a maior parte do conteúdo, mesmo de um arquivo significativamente danificado.
Use uma ferramenta de reparo PDF
Uma ferramenta Repair PDF dedicada tenta reconstruir a estrutura interna do arquivo verificando o arquivo danificado em busca de objetos de conteúdo recuperáveis – fluxos de texto, imagens, definições de página – e reconstruindo um PDF válido a partir de tudo o que puder encontrar. Isto é diferente de simplesmente abrir o arquivo; as ferramentas de reparo procuram e contornam especificamente danos estruturais.
A ferramenta de reparo de WukongPDF em www.wukongpdf.com cuida disso – carregue o arquivo danificado, deixe o processo de reparo ser executado e baixe o que for recuperável. Para arquivos parcialmente corrompidos onde a maior parte do conteúdo está intacta, mas a estrutura do arquivo está quebrada, isso geralmente produz um PDF totalmente legível. Para arquivos muito danificados, ele pode recuperar partes do conteúdo. A saída depende de quanto dos dados subjacentes sobreviveram ao dano.
Extrair texto diretamente dos dados do arquivo
Os arquivos PDF armazenam texto em fluxos dentro da estrutura do arquivo. Mesmo quando a estrutura PDF está muito danificada para um visualizador renderizar o documento, os fluxos de texto ainda podem estar intactos e legíveis com as ferramentas certas. Para usuários tecnicamente confiantes, abrir o PDF em um editor de texto (não um visualizador de PDF) pode revelar conteúdo de texto legível incorporado nos dados brutos do arquivo – procure por sequências de caracteres legíveis entre o conteúdo binário.
Ferramentas de linha de comando como pdftotext (parte do pacote poppler) podem extrair texto de PDFs que não abrem em visualizadores padrão. A execução do pdftotext em um arquivo danificado às vezes recupera conteúdo de texto substancial, mesmo quando a renderização visual falha completamente. Essa abordagem requer conforto com ferramentas de linha de comando, mas pode acessar conteúdo que as ferramentas GUI não percebem.
Caso especial: __PDFs digitalizados danificados
Os PDFs digitalizados armazenam conteúdo como imagens em vez de texto. Se os dados da imagem em um PDF digitalizado estiverem danificados, as ferramentas de extração de texto não ajudarão – não há camada de texto para extrair. O conteúdo recuperável são os próprios dados da imagem.
Para PDFs digitalizados parcialmente danificados, uma ferramenta de reparo que recupera os objetos de imagem pode produzir um documento visualizável mesmo se a estrutura do arquivo estiver quebrada. Após o reparo, a execução do OCR no documento recuperado converte o conteúdo da imagem em texto pesquisável, tornando a versão recuperada mais útil do que a digitalização original não pesquisável.
O que a recuperação pode ou não fazer
A recuperação de texto de PDFs danificados não é garantida. A taxa de sucesso depende do tipo e extensão do dano:
- Corrupção estrutural com conteúdo intacto: alta taxa de recuperação — o conteúdo está lá, o arquivo simplesmente não consegue apresentá-lo corretamente
- Danos parciais de conteúdo: recuperação parcial – algumas páginas ou seções recuperáveis, outras perdidas
- Setores de armazenamento sobrescritos: baixa ou nenhuma recuperação — se os dados subjacentes forem sobrescritos, nenhuma ferramenta poderá recriá-los
- Download incompleto (o arquivo está apenas truncado): obtenha uma nova cópia em vez de tentar reparar
A lição para o futuro: para qualquer documento importante, mantenha várias cópias em locais diferentes. Um backup em uma unidade diferente, uma cópia no armazenamento em nuvem, um e-mail para você mesmo – qualquer um deles fornece um caminho de recuperação que torna desnecessárias as ferramentas de reparo de PDF. O melhor cenário Repair PDF é aquele que você nunca precisa usar.
Experimente Reparar PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.