Apa sebenarnya yang berlaku apabila anda memampatkan PDF
PDF123 Mampatkan PDF menjalankan pemampatan semula aliran dan pembungkusan aliran objek dengan qpdf, bukan penurunan sampel imej atau subset fon. Linearisasi hampir tidak mengubah saiz fail.
Dua fail PDF boleh kelihatan sama di skrin tetapi berbeza sehingga tiga urutan magnitud: 50 KB berbanding 50 MB. Jurang itu hampir tidak pernah terletak pada operator teks. Dalam kontrak dua puluh halaman, operator itu biasanya hanya beberapa puluh kilobait; selebihnya ialah sampel imej, program fon yang tertanam sepenuhnya, dan seberapa rapat aliran serta objek dibungkus.
Ada satu akibat yang wajar dinyatakan di awal: "memampatkan PDF" bukan satu tindakan tetapi empat. Setiap satunya mengecilkan perkara yang berbeza dan mengenakan bayaran yang berbeza, dan menyamakan semuanya menghasilkan pengalaman yang bercanggah: fail dimampatkan tetapi tidak mengecil, atau mengecil tetapi halaman menjadi kabur.
Saiz datang daripada tiga sumber
Kebanyakan kes "mengapa PDF ini begitu besar?" bermula dengan imbasan atau foto resolusi tinggi yang masih tertanam pada saiz tangkapan asalnya. Aritmetiknya wajar dikira sekali: satu halaman bersaiz letter pada 8.5 × 11 inci dan 300 DPI ialah kira-kira 2550 × 3300 piksel, dan pada tiga bait setiap piksel itu kira-kira 25 MB sebelum dimampatkan. Dua puluh halaman sebegini kerap mencecah 60 hingga 80 MB sebelum sesiapa menyentuh pemampatan.
Sumber kedua ialah fon. PDF boleh menanam seluruh program fon supaya setiap mesin memaparkan teks dengan cara yang sama, dan kos itu dikira berdasarkan saiz jadual glif, bukan berdasarkan berapa banyak teks yang benar-benar dibaca. Itulah sebabnya subset fon ialah tuas saiz yang berasingan.
Sumber ketiga ialah pembungkusan itu sendiri. Kandungan yang sama boleh disimpan dengan tetapan pemampatan yang membazir, atau objeknya bertaburan di seluruh fail, masing-masing membawa overhed perakaunannya sendiri. Semua itu tidak mengubah satu piksel atau satu glif, dan itulah bahagian yang mampu dicapai oleh pemampatan semula aliran.
"Mampatkan" ialah empat tuas yang berbeza
Terdapat empat tuas pada saiz; ia bertindak pada lapisan yang berbeza dan kosnya hampir tidak bertindih. Memilih tuas yang salah ialah sebab paling biasa sesuatu pemampatan kelihatan tidak melakukan apa-apa.
| Tuas | Apa yang disentuh | Kelebihan saiz | Kos |
|---|---|---|---|
| Pemampatan semula aliran dan aliran objek | Cara aliran kandungan dimampatkan, cara objek disimpan dan dibungkus | Bergantung pada betapa longgarnya fail asal | Rupa halaman tidak berubah |
| Penurunan sampel imej | Bilangan piksel, iaitu resolusi | Besar | Resolusi berkurang secara kekal |
| Pengekodan semula imej secara rugi | Perwakilan bait bitmap | Besar | Kualiti imej berkurang |
| Subset fon | Jadual glif yang tertanam | Sederhana | Glif yang tidak digunakan tidak lagi boleh disunting |
| Linearisasi | Susunan objek | Hampir sifar | Sebaliknya membeli masa muat halaman pertama |
Empat baris pertama sering dipanggil "pemampatan" secara longgar, tetapi hanya baris pertama yang membiarkan kandungan tidak berubah. Baris itu juga yang pulangannya paling mudah disalah nilai: imbasan yang saiznya sebahagian besar daripada sampel imej mentah tidak mempunyai banyak lebihan untuk dibuang, manakala tuas yang benar-benar boleh mengecilkannya ialah penurunan sampel dan pengekodan semula secara rugi, dengan harga kehilangan resolusi dan kualiti itu selama-lamanya.
PDF123 Compress hanya melakukan yang pertama
Mampatkan PDF (POST /api/v1/misc/compress-pdf) melakukan baris pertama sahaja. Ia menjalankan qpdf dengan pemampatan aliran yang belum dimampatkan (--compress-streams=y), satu pusingan kedua ke atas aliran yang sudah dimampatkan dengan Flate (--recompress-flate), dan pembungkusan objek ke dalam aliran objek (--object-streams=generate).
Ia tidak menurunkan sampel imej, tidak mengekod semula bitmap kepada kualiti JPEG yang lebih rendah, dan tidak membuat subset fon. Halaman sepatutnya kelihatan sama, dan penjimatan datang daripada pemampatan semula Flate serta pembungkusan aliran objek.
Keadaan gagalnya juga wajar dinyatakan dengan jelas. Apabila saiz sesuatu fail sebahagian besarnya terdiri daripada data imej yang sudah dimampatkan sebagai JPEG, Flate tiada apa-apa lagi untuk diperah, kerana bait imej itu berada di luar jangkauan tiga suis di atas. Itulah sebabnya pek imbasan mungkin kembali hanya beberapa peratus lebih kecil, manakala PDF yang berat teks dengan saiz serupa mendapat keuntungan yang jauh lebih ketara.
Laluan sebaliknya ialah Nyahmampat PDF, yang mengembangkan aliran untuk pemeriksaan (--qdf, aliran objek dimatikan) dan juga tidak mengubah rupa halaman.
Masalah selain saiz memerlukan laluan lain
| Apa yang anda perlukan | Laluan yang patut digunakan |
|---|---|
| Rupa yang sama, cuma buang overhed pembungkusan | Mampatkan PDF |
| Pek imbasan yang benar-benar terlalu besar dan kehilangan kualiti boleh diterima | Penurunan sampel atau pengekodan semula secara rugi, bukan Compress ini |
| Masih boleh disunting, tetapi aksara seterusnya tidak boleh ditaip | Tetapan eksport atau fail sumber yang berbeza, lihat subset fon |
| Pelayar sepatutnya melihat halaman pertama lebih awal | Linearisasi menyelesaikan paparan pertama, bukan saiz |
| Fail langsung tidak boleh dibuka | Baiki PDF; ini masalah struktur, bukan masalah saiz |
Satu perangkap terletak pada baris terakhir itu: di sini Linearisasi PDF bukan pelaksanaan yang berasingan, tetapi nama lain bagi Compress. Kedua-duanya menunjuk kepada operasi yang sama; id kanonikalnya ialah misc/compress-pdf dengan linearize-pdf sebagai alias, portal sentiasa menghantar linearize=true dan optimizeLevel=1 untuk alat itu, pelayan tidak membaca kedua-dua medan tersebut, dan qpdf tidak pernah menerima --linearize. Operasi yang benar-benar melinearisasi fail ialah Tambah kata laluan apabila ia menyulitkan fail.
Jadi, jika yang anda mahukan ialah rupa yang sama dalam fail yang lebih kecil, Mampatkan PDF sudah menjadi jawapannya. Jika anda mahukan pengecilan imej secara rugi atau subset fon, laluan ini bukan tuas yang betul. Fail dipulangkan terus, tanpa akaun diperlukan. Untuk melihat di mana objek, aliran dan jadual rujukan silang sebenarnya berada, teruskan dengan Apa yang terkandung dalam PDF.