إصلاح ملفات PDF التالفة

بموجب مواصفة ISO 32000، لا يُقرأ ملف PDF بالتسلسل من بدايته إلى نهايته كما هو الحال في الملفات النصية. وبدلاً من ذلك، تبدأ برامج قراءة PDF المتوافقة بقراءة نهاية الملف تحديداً، لتحديد موقع وسم `startxref` وقراءة جدول المراجع التقاطعية (XRef)، الذي يطابق كل رقم كائن غير مباشر بإزاحة البايتات المادية الدقيقة من بداية الملف.

تنبع الغالبية الساحقة من حوادث التلف من أعطال في نظام الفهرسة هذا:

1. الملفات المبتورة: إذا انقطع التنزيل عند نسبة 95%، فإن تذييل الملف (`%%EOF`) وجدول XRef في نهاية تدفق البايتات يكونان مفقودين تماماً. وتفشل برامج القراءة القياسية فوراً لعجزها عن تحديد موقع الفهرس الجذري (`Catalog`).

2. انزياح إزاحات البايتات: إذا نُقل ملف PDF عبر خادم بريد إلكتروني أو عميل FTP يعامل البيانات الثنائية خطأً كنصوص ASCII، فقد تُحول نهايات الأسطر من نمط UNIX (LF) إلى نمط Windows (CRLF). ويؤدي إدراج بايت إضافي (0x0D) عند كل سطر جديد إلى إزاحة جميع مواقع البايتات اللاحقة، مما يجعل كل مؤشر في جدول XRef يشير إلى بيانات غير صالحة.

3. تذييلات الملفات المشوهة: يؤدي تعطل البرمجيات أثناء الحفظ في كثير من الأحيان إلى ترك قاموس التذييل غير مغلق أو ترك مراجع كائنات دائرية تالفة.

عندما يكون جدول المراجع التقاطعية تالفاً أو مفقوداً، يتعين على محرك الإصلاح الاحترافي التخلي عن جدول XRef تماماً وإجراء مسح استدلالي خطي للبايتات عبر حمولة الملف بأكملها.

يمسح محرك الاستعادة المباشر لدينا مصفوفة ArrayBuffer الخام بحثاً عن نمط التعبير النمطي `\d+\s+\d+\s+obj`، محدداً إزاحة البايتات المادية لكل ترويسة كائن غير مباشر. ويقرأ رقم الكائن ورقم الجيل، ويحلل قاموس الكائن أو تدفقه وصولاً إلى وسم `endobj` المقابل.

من خلال هذا المسح الخطي، يعيد المحرك بناء حصر شامل في الذاكرة لكل قاموس وصفحة وكائن صورة XObject وخط وتدفق محتوى نجا من التلف، مستعيداً بالكامل إمكانية الوصول إلى محتويات المستند مهما كان حجم التلف في جدول XRef الأصلي.

بمجرد حصر جميع الكائنات الخام في الذاكرة، يجب على محرك الإصلاح إنشاء الهرمية المنطقية للمستند. فيبحث في مجمع الكائنات عن قاموس يحتوي على `/Type /Catalog` (أو قاموس يحتوي على مراجع `/Pages`).

وإذا كان كائن الفهرس الأصلي تالفاً أو مبتوراً، يولد محركنا قاموس فهرس جديد تماماً. ويجتاز جميع الكائنات التي تحمل الوسم `/Type /Page`، ويحل مراجع `/MediaBox` و `/Contents` المقابلة لها، ويبني شجرة `/Pages` متوازنة وسليمة.

وإذا كانت بعض قواميس الصفحات تفتقر إلى مراجع الآباء `/Parent` أو تحتوي على تدفقات محتوى يتيمة، يربطها المحرك في تسلسل صفحات خطي، مستعيداً أكبر عدد ممكن من الصفحات المقروءة من البيانات المتبقية.

السبب الشائع الآخر لأخطاء التحليل القاتلة هو التصريحات الخاطئة لأطوال التدفقات. يحدد كل كائن تدفق في PDF حجمه بالبايتات عبر المفتاح `/Length`. فإذا تسبب انزياح الإزاحات أو انقطاع الإرسال في تغيير طول التدفق، تتوقف القارئات عن القراءة قبل الأوان أو تطلق خطأ في فك ضغط التدفق.

يفحص محرك الإصلاح لدينا كل كائن تدفق يقع بين علامتي `stream` و `endstream`. ويعيد حساب الطول المادي الدقيق للبايتات، ويختبر التدفق عبر فك ضغط FlateDecode (Zlib)، ويصلح حدود التدفقات المشوهة، ويحدث مفتاح `/Length` وفقاً لذلك. فتُستعاد الرسومات المتجهية والتدفقات النصية التالفة بنظافة تامة.

المرحلة الأخيرة من إصلاح PDF على جانب العميل هي إعادة التسلسل. يجمع المحرك جميع الكائنات المستعادة في تسلسل ثنائي نظيف، ويحسب إزاحات البايتات الدقيقة لكل كائن بدءاً من البايت صفر، ويولد جدول مراجع تقاطعية (XRef) جديداً ومفهرساً بإتقان تام.

ويلحق قاموس تذييل قياسياً يشير إلى كائن الفهرس المؤكد، ويكتب مؤشر إزاحة `startxref`، وينهي الملف بعلامة `%%EOF` الرسمية. ويكون المستند الناتج ملف PDF قياسياً وصحياً تماماً وفق مواصفة ISO 32000، يفتح بسلاسة في Adobe Acrobat و Google Chrome و Apple Preview والقارئات المحمولة دون أي رسائل خطأ.

تحتوي المستندات التالفة غالباً على أكثر سجلات المؤسسة حساسية والتي لا تتوفر لها نسخ احتياطية: الأدلة القانونية السرية، أو الإقرارات الضريبية، أو الفحوصات الطبية، أو النماذج المالية للشركات. ويؤدي رفع الملفات التالفة إلى خدمات الإصلاح السحابية الخارجية إلى تعريض المراسلات المحمية والأسرار التجارية للتخزين غير المصرح به على الخوادم ومخاطر الاختراق.

يضمن موقع 2run.tools خصوصية مطلقة للعميل. يتم تنفيذ مسار مسح البايتات واستعادة الكائنات وإعادة بناء جدول XRef بالكامل محلياً بنسبة 100% داخل مساحة الذاكرة الآمنة لـ WebAssembly في متصفحك. لا يغادر مستندك جهازك أبداً، مما يضمن سرية تامة وامتثالاً كاملاً للوائح حماية البيانات وقواعد سرية المحامين.

في أسوأ السيناريوهات حيث يعاني قرص التخزين من عطل مادي حاد أو ينقطع نقل الملف في منتصفه، قد تكون أجزاء حيوية من بنية PDF مفقودة بشكل لا رجعة فيه. وفي مثل هذه الحالات، لا يمكن لإعادة بناء المستند التقليدية استعادة الهرمية الكاملة للصفحات.

يتضمن محركنا خوارزميات متقدمة للاستخلاص الجنائي للبايتات (Forensic Byte Carving). ويمسح تدفق البايتات الخام بحثاً عن التواقيع الثنائية المعروفة، بما في ذلك علامات JPEG (`\xFF\xD8\xFF` إلى `\xFF\xD9`)، وترويسات PNG (`\x89PNG`)، وجداول خطوط TrueType (`\x00\x01\x00\x00`)، وتدفقات FlateDecode المضغوطة.

من خلال استخلاص تدفقات الأصول المنفصلة هذه وإعادة بنائها، تتيح أداتنا للمستخدمين استعادة الصور التوثيقية الحيوية والإيصالات المضمنة والفقرات النصية حتى من الملفات التي تعلن برمجيات PDF الأخرى أنها تالفة تماماً ومفقودة بصورة نهائية.