打开 PDF 并看到同一页面重复两次，或者发现 10 页的文档现在显示 20 页且每页都是重复的，则表明 PDF 文件本身存在结构问题。重复很少是有意的。它通常可以追溯到有缺陷的合并操作、扫描仪一次送入两张纸并捕获每张纸两次、办公套件的转换故障，或者 PDF 内部页面树中的损坏导致渲染器将每个页面引用显示两次。
修复通常很简单。但这取决于原因。
PDF 修复 方法首先确定重复发生的原因。有些原因会响应简单的页面删除。其他则需要重建 PDF 的交叉引用表或从源应用程序重新导出。 WukongPDF 的修复和合并工具可以解决大多数情况，无需专门的软件，但了解根本原因可以帮助您选择获得干净文档的最快路径。
为什么 PDF 页面首先会出现重复
重复的页面内容通常来自四个来源之一。扫描仪进纸错误是最常见的：两张纸一起通过自动文档进纸器，扫描仪将它们捕获为单个图像，然后下一张纸再次捕获第二页。当合并 PDF 并意外地两次包含相同的源文件时，或者当工具的页面范围设置重叠时，合并工具会发生错误。 PDF 内部对象结构内损坏的页面树引用会导致查看器在多个页面标签下呈现同一页面对象。使列表更加完整的是，办公套件导出错误，特别是来自旧版本的 Microsoft Word 和 LibreOffice 的错误，有时会将每个页面引用写入 PDF 输出两次。
精确定位正确的类别可以节省时间。扫描仪副本看起来像相同的图像副本，两次捕获之间可能存在轻微的旋转或倾斜差异。合并重复项是像素相同的，因为它们引用相同的源数据。导出副本显示相同的文本和布局，但副本之间的字体渲染可能略有不同。损坏的副本通常显示得很奇怪，一个副本渲染正确，而另一个副本显示部分或乱码内容。准确识别类别可以引导您找到正确的修复方法，而无需浪费时间针对不同根本原因的方法。每个类别都有一个标志性外观，一旦您知道要寻找什么，只需几秒钟即可检查。
通过删除所有其他页面来删除重复页面
交替重复可以实现最快的修复。 Adobe Acrobat 的组织页面工具可让您在缩略图视图中选择偶数页并通过一次操作将其删除。按住 Ctrl 或 Command 键的同时单击每个偶数编号的缩略图，然后按 Delete。其余页面是唯一的集合。这是有效的，因为交替模式保证每个偶数页都是前一个奇数页的副本。
扫描的文档经常表现出这种精确的交替模式。双面扫描仪按顺序捕获每个物理页两次。许多办公室扫描仪都有“跳过空白页”或“双面检测”设置来防止这种情况发生，但当这些设置关闭时，交替重复模式就是可预测的结果。批量删除备用页面可在一分钟内修复 200 页扫描。删除后浏览缩略图网格，确认保存前没有错误删除任何页面。在缩略图视图中，200 页文档中间缺失的一页很容易被忽视。
当图案不规则时删除重复页面
集群重复项需要不同的方法。两次意外包含相同的 3 页备忘录的合并会产生在特定位置分组的重复项，而不是在整个过程中交替出现。打开缩略图面板并扫描相同或几乎相同的缩略图。单独选择并删除副本。即使在很长的文档中，聚集的重复项也会在视觉上脱颖而出，因为相同的页面布局会在一个紧密的组中重复出现，而这需要多样化。
页面太多而无法手动查看的文档需要自动化。某些 PDF 工具包含修复 PDF功能，可通过比较页面内容哈希值来检测并删除精确的重复页面。这种自动化方法可以捕获像素相同的重复项，无论它们出现在何处。拆分和重新合并提供了另一种途径：将 PDF 拆分为可管理的块，从每个块中删除明显的重复项，然后重新合并已清理的片段。当重复项聚集在可预测的部分时（例如在深夜合并会话期间添加两次的附录），这种分而治之的策略效果很好。
一屏上所有页面缩略图的可视化网格视图可以通过模式识别立即跳出重复的簇。人眼以非常快的速度发现网格中的重复图像，通常比滚动线性缩略图面板更快，尤其是对于 100 页或更多页的文档。
| 重复模式 | 可能的原因 | 最快修复 |
|---|---|---|
| 交替（1=2、3=4、5=6） | 扫描仪双面卡纸 | 一次操作删除所有偶数页 |
| 集群（第 5-7 页 = 第 12-14 页） | 合并期间意外重新包含 | 目视扫描+手动删除集群 |
| 随机分散的重复项 | 多次合并过程或导出错误 | 通过自动化工具进行内容哈希重复数据删除 |
| 一份乱码，一份干净 | 页面树损坏 | 删除乱码，重新保存PDF |
修复由 PDF 结构损坏引起的重复
页面树级别的损坏会导致更深层次的问题。 PDF 的内部目录包含一个分层页面树，它将逻辑页码映射到内容对象。当该树具有重复条目或损坏的引用时，查看器会多次渲染相同的内容对象，或显示部分内容，具体取决于树的损坏方式。父节点的损坏会影响每个后代页面，导致整个章节重复或显示不正确。通过 UI 删除重复页面只能消除症状；受损的树仍然存在，以后可能会引起其他问题。
重建页面树是永久修复方法。 Adobe Acrobat 的另存为优化 PDF 会重写整个文件结构，这通常会自动解决页面树损坏问题。导出为 PostScript 并重新提炼回 PDF 会从头开始完全重新生成内部结构，但代价是可能会改变字体和透明度。对于抵制这两种方法的文件，暴力后备是将每个唯一页面提取为图像并将它们重新组合成新的 PDF。文本、超链接和元数据都会丢失，因此请稍后运行 OCR 以恢复可搜索性。这个核选项总是有效的，但由于数据丢失，它应该是最后的手段。
验证修复并防止复发
进行任何修复后，以缩略图视图滚动浏览整个文档。将页数与原始预期计数进行比较。如果复制前原始文件有 120 页，而修复后的文件有 120 页，则修复有效。一百一十五页意味着一些独特的页面与重复页面一起被错误地删除。快速计数加上在开始、中间和结束处进行目视抽查可以发现这两种类型的错误。
预防比修复要省力得多。为所有批量扫描作业打开扫描仪的重张进纸检测和双面检测。单击“合并”之前，请检查任何合并工具中的文件列表，以确认没有源文件出现两次。使用应用程序的内置“另存为 PDF”功能导出为 PDF，而不是使用有时会引入重复错误的第三方打印驱动程序。对输出进行 30 秒的预检查可以发现大多数重复问题，同时源文档仍然打开并且易于重新导出。合并时，首选工具会警告重复内容，而不是默默地包含它，这一功能在现代 PDF 平台中越来越可用，在选择使用哪个工具时值得考虑。