pdf损坏时可采取五种修复与文字提取方法：一、用adobe acrobat pro修复结构；二、用qpdf命令行重写pdf；三、用pdftk提取可读页面文本；四、用pypdf2+pdfminer组合解析内容流；五、用在线ocr识别扫描图像型pdf文字。
如果您尝试打开某个PDF文件，但提示“文件已损坏”或无法正常加载内容，则可能是由于文件头信息丢失、结构异常或部分数据块损坏。以下是修复此问题并尝试强制提取文字的多种方法：
一、使用Adobe Acrobat专业版的修复功能
Adobe Acrobat内置的“修复PDF”工具可识别并重建部分损坏的交叉引用表和对象流，适用于轻度结构损坏的PDF文件。
1、启动Adobe Acrobat Pro（非Reader版本）。
2、点击“文件”→“打开”，选择损坏的PDF文件。
3、若弹出错误提示，点击“是”允许Acrobat尝试恢复。
4、等待自动诊断完成，若检测到可修复项，点击“修复”按钮。
5、修复成功后，选择“文件”→“另存为副本”，保存为新PDF文件。
二、通过命令行工具qpdf进行结构重写
qpdf是一款开源PDF处理工具，能绕过原始文件中的损坏对象，仅保留有效内容流并生成语法合规的新PDF，对逻辑结构完整但元数据异常的文件效果显著。
1、从官网下载并安装qpdf（支持Windows/macOS/Linux）。
2、打开终端或命令提示符，输入：qpdf --optimize --replace-objects=always 损坏文件.pdf 修复后文件.pdf。
3、执行完成后检查输出文件是否可打开。
4、若仍报错，尝试更保守的指令：qpdf --decode-level=none --object-streams=disable 损坏文件.pdf 修复后文件.pdf。
三、使用PDFtk分离并提取页面文本
PDFtk不依赖完整PDF结构解析，而是按页读取原始流数据，适合页面级未完全损坏的文件，可跳过无法解析的页面继续处理其余内容。
1、下载PDFtk Desktop（免费版）并安装。
2、运行PDFtk，点击“Add PDF”导入损坏文件。
3、点击“Pages”选项卡，在页面列表中勾选确认可读的页面编号。
4、点击“Actions”→“Extract Text”，选择输出编码为UTF-8。
5、点击“Run”开始导出纯文本，导出结果不含格式，但可保留大部分可识别字符。
四、借助Python脚本PyPDF2+pdfminer组合提取
当PDF仅含文字层且对象引用断裂时，PyPDF2负责逐页加载，pdfminer则直接解析内容流字节，二者协同可绕过目录树缺失问题。
1、在Python环境中安装依赖：pip install PyPDF2 pdfminer.six。
2、新建Python脚本，粘贴以下核心代码段：
3、调用PdfFileReader(open("损坏文件.pdf","rb"))尝试读取，捕获PdfReadError异常后启用pdfminer的LAParams参数解析。
4、对每页调用extract_text()方法，并将结果追加至txt文件，即使部分页面返回空字符串，其余页面仍可继续提取。
五、使用在线OCR服务反向还原文字
当PDF已退化为不可解析的扫描图像型损坏文件时，OCR技术可将页面渲染为位图后识别文字，适用于无文本层但图像尚清晰的场景。
1、使用浏览器访问支持上传PDF的OCR平台（如newocr.com或onlineocr.net）。
2、上传损坏PDF，选择输出格式为“Plain Text (.txt)”。
3、设置语言为中文简体，点击“Convert”。
4、等待处理完成，下载文本结果，注意：需确保文件不包含敏感信息，因上传过程经第三方服务器。
