開けなくなった壊れたPDFを修復

PDFが開けなくなるのはなぜ？

PDFは単なる文字の流れではなく、ページ、フォント、画像などのオブジェクトの集まりです。それらはファイル末尾にあるxrefテーブルという索引で結び付けられ、最後に%%EOFという終了マーカーが置かれています。ダウンロードが中断した、コピー中にUSBメモリを抜いた、メールの添付ファイルが正しくデコードされなかった、といった場合に欠けるのが、まさにこのファイル末尾です。ビューアーは索引を見つけられず、「ファイルが壊れています」「サポートされていない形式です」と表示します。途中の数バイトが変わった、出来の悪いソフトにヘッダーを消された、テーブルの位置がずれた、というだけでも開けなくなりますが、中身の大部分はたいてい残っています。

修復のしくみ

まず、%PDFヘッダーと終了マーカーの有無、xrefテーブルと各エントリーの正しさなど、ファイルの生の構造を調べます。次に、PDF処理の定番ライブラリであるQPDF（ブラウザで動くようにコンパイルしたもの）でファイルを書き直します。損傷がひどい場合は、索引に頼らずにファイルの最初から最後まで各オブジェクトを読み直し、末尾の不完全なオブジェクトを除外したうえで、ページ構造とカタログを再構築します。最後の手段として、PDFビューアーがまだ表示できるページを画像に変換し、テキストを透明なレイヤーとして重ねます。最も完全な結果を採用し、検証します。

復元できるもの、できないもの

修復で、存在しないデータを作り出すことはできません。ダウンロードが3分の2で止まっていれば、残り3分の1に保存されていたページは失われます。その場合レポートには、文書に記録された総ページ数のうち何ページを復元できたかが表示されます。同様に、内容が上書きされたページは白紙のままです。完全な文書を取り戻す最も確実な方法は、もう一度ダウンロードするか、元のファイルを送り直してもらうことです。閲覧用パスワードがかかったPDFは、先に「PDFのパスワードを解除」を使ってください。また、誤って拡張子.pdfで保存されたWebページなど、PDFでないファイルはその旨を表示します。