Открытие PDF-файла и обнаружение повторения одной и той же страницы дважды или обнаружение того, что 10-страничный документ теперь отображает 20 страниц, каждая из которых дублируется, сигнализирует о структурной проблеме в самом PDF-файле. Дублирование редко бывает преднамеренным. Обычно это связано с ошибочной операцией слияния, сканером, который подавал два листа одновременно и дважды захватывал каждый, сбоем преобразования из офисного пакета или повреждением внутреннего дерева страниц PDF-файла, из-за которого средство визуализации отображает ссылку на каждую страницу дважды.
Исправление обычно простое. Но это зависит от причины.
Подход PDF Repair начинается с определения причины возникновения дублирования. Некоторые причины реагируют на простое удаление страницы. Другие требуют перестроения таблицы перекрестных ссылок PDF-файла или повторного экспорта из исходного приложения. Инструменты исправления и слияния WukongPDF могут разрешить большинство случаев без специального программного обеспечения, хотя понимание основной причины поможет вам выбрать самый быстрый путь к чистому документу.
Почему страницы PDF вообще дублируются
Дублированный контент страницы обычно происходит из одного из четырех источников. Застревания в сканере возглавляют список: два листа проходят через устройство автоматической подачи документов вместе, сканер захватывает оба как одно изображение, а затем следующий лист снова захватывает вторую страницу. Ошибки инструмента слияния возникают при объединении PDF-файлов и случайном включении одного и того же исходного файла дважды или при перекрытии настроек диапазона страниц инструмента. Поврежденные ссылки на дерево страниц внутри внутренней структуры объектов PDF приводят к тому, что средство просмотра отображает один и тот же объект страницы под несколькими метками страниц. Завершая список, ошибки экспорта офисных пакетов, особенно из старых версий Microsoft Word и LibreOffice, иногда дважды записывают ссылку на каждую страницу в выходной PDF-файл.
Определение правильной категории экономит время. Дубликаты сканера выглядят как идентичные копии изображений с возможными небольшими различиями в повороте или перекосе между двумя снимками. Дубликаты слияния идентичны по пикселям, поскольку они ссылаются на одни и те же исходные данные. Экспортированные дубликаты отображают один и тот же текст и макет, но могут иметь несколько разное отображение шрифтов в разных копиях. Дубликаты с повреждениями часто отображаются странно: одна копия отображается правильно, а другая отображает частичное или искаженное содержимое. Точное определение категории направит вас к правильному методу ремонта, не тратя время на подходы, направленные на другую основную причину. Каждая категория имеет фирменный вид, проверка которого займет всего несколько секунд, если вы знаете, что искать.
Удаление повторяющихся страниц путем удаления всех остальных страниц
Чередование дубликатов обеспечивает максимально быстрое исправление. Инструмент «Организация страниц» Adobe Acrobat позволяет выбирать страницы с четными номерами в режиме миниатюр и удалять их за одну операцию. Удерживая клавишу Ctrl или Command, щелкайте каждую миниатюру с четным номером, затем нажмите «Удалить». Остальные страницы представляют собой уникальный набор. Это работает, поскольку чередующийся шаблон гарантирует, что каждая четная страница является копией предыдущей нечетной страницы.
Отсканированные документы часто демонстрируют именно такую чередующуюся картину. Дуплексный сканер последовательно захватывал каждую физическую страницу дважды. Многие офисные сканеры имеют настройку «Пропускать пустые страницы» или «Обнаружение двусторонней печати», которая предотвращает это, но когда эти настройки отключены, предсказуемым результатом является чередование повторяющихся шаблонов. Пакетное удаление альтернативных страниц позволяет выполнить сканирование 200 страниц менее чем за минуту. Перед сохранением просмотрите сетку миниатюр после удаления, чтобы убедиться, что ни одна страница не была удалена неправильно. Одну недостающую страницу в середине 200-страничного документа легко не заметить при просмотре миниатюр.
Дедупликация страниц при неправильном шаблоне
Кластеризованные дубликаты требуют другого подхода. Слияние, в результате которого одна и та же трехстраничная заметка случайно была включена дважды, приводит к тому, что дубликаты сгруппированы в определенных позициях, а не чередуются повсюду. Откройте панель миниатюр и просканируйте их, чтобы найти идентичные или почти идентичные миниатюры. Выберите и удалите копии по отдельности. Даже в длинном документе сгруппированные дубликаты визуально выделяются, поскольку один и тот же макет страницы повторяется в тесной группе, где и следовало бы ожидать разнообразия.
Документы, в которых слишком много страниц для просмотра вручную, требуют автоматизации. Некоторые инструменты PDF включают функцию Fix PDF, которая обнаруживает и удаляет точные дубликаты страниц путем сравнения хэшей содержимого страниц. Этот автоматизированный подход обнаруживает дубликаты, идентичные пикселям, независимо от того, где они появляются. Разделение и повторное объединение предлагает другой путь: разделить PDF-файл на управляемые фрагменты, удалить очевидные дубликаты из каждого фрагмента и повторно объединить очищенные сегменты. Эта стратегия «разделяй и властвуй» хорошо работает, когда кластер дублируется в предсказуемых разделах, например в приложении, которое было добавлено дважды во время ночного сеанса слияния.
Визуальное представление миниатюр всех страниц в виде сетки на одном экране позволяет мгновенно выделить повторяющиеся кластеры благодаря распознаванию образов. Человеческие глаза замечают повторяющиеся изображения в сетке удивительно быстро, часто быстрее, чем прокрутка линейной панели миниатюр, особенно для документов, содержащих 100 и более страниц.
| Шаблон дублирования | Вероятная причина | Самое быстрое исправление |
|---|---|---|
| Чередование (1=2, 3=4, 5=6) | Застревание двусторонней подачи сканера | Удалить все четные страницы за одну операцию |
| Сгруппированные (страницы 5–7 = страницы 12–14) | Случайное повторное включение во время слияния | Визуальное сканирование + ручное удаление кластера |
| Случайно разбросанные дубликаты | Несколько проходов слияния или ошибка экспорта | Дедупликация хэша контента с помощью автоматизированного инструмента |
| Одна копия испорчена, другая чистая. | Повреждение дерева страниц | Удалите искаженные копии, пересохраните PDF-файл. |
Устранение дублирования, вызванного повреждением структуры PDF
Повреждение на уровне дерева страниц вызывает более глубокую проблему. Внутренний каталог PDF-файла содержит иерархическое дерево страниц, которое сопоставляет логические номера страниц с объектами контента. Если в этом дереве есть повторяющиеся записи или неработающие ссылки, средство просмотра отображает один и тот же объект содержимого несколько раз или отображает частичное содержимое, в зависимости от того, насколько именно дерево повреждено. Повреждение родительского узла влияет на каждую дочернюю страницу, вызывая дублирование или неправильное отображение целых глав. Удаление дубликатов страниц через пользовательский интерфейс устраняет только симптом; поврежденное дерево остается и может вызвать другие проблемы позже.
Перестроение дерева страниц — это постоянное решение. Функция «Сохранить как оптимизированный PDF» в Adobe Acrobat перезаписывает всю структуру файла, что часто автоматически устраняет повреждение дерева страниц. Экспорт в PostScript и повторная перегонка обратно в PDF полностью восстанавливает внутреннюю структуру с нуля за счет потенциально измененных шрифтов и прозрачности. Для файлов, которые не поддаются обоим методам, запасным вариантом грубой силы является извлечение каждой уникальной страницы в виде изображения и повторное объединение их в новый PDF-файл. Текст, гиперссылки и метаданные теряются, поэтому запустите распознавание текста позже, чтобы восстановить возможности поиска. Этот ядерный вариант всегда работает, но его следует использовать в крайнем случае из-за потери данных.
Проверка ремонта и предотвращение повторения
После любого восстановления прокрутите весь документ в режиме миниатюр. Сравните количество страниц с исходным ожидаемым количеством. Если до дублирования в оригинале было 120 страниц, а в восстановленном файле — 120 страниц, исправление сработало. Сто пятнадцать страниц означают, что некоторые уникальные страницы были ошибочно удалены вместе с дубликатами. Быстрый подсчет плюс визуальная выборочная проверка в начале, середине и конце выявляют оба типа ошибок.
Профилактика требует гораздо меньше усилий, чем ремонт. Включите на сканере функции обнаружения мульти-подачи и обнаружения двусторонней печати для всех заданий пакетного сканирования. Прежде чем нажать «Объединить», просмотрите список файлов в любом инструменте слияния, чтобы убедиться, что исходный файл не отображается дважды. Экспортируйте в PDF, используя встроенную функцию «Сохранить как PDF» приложения, а не сторонние драйверы печати, которые иногда приводят к ошибкам дублирования. 30-секундная предварительная проверка выходных данных позволяет выявить большинство проблем дублирования, в то время как исходные документы все еще открыты и их можно легко реэкспортировать. При объединении используются инструменты предпочтений, которые предупреждают о дублирующемся контенте, а не включают его автоматически. Эта функция становится все более доступной на современных платформах PDF, и ее стоит учитывать при выборе инструмента для использования.