O que acontece de fato quando você comprime um PDF
O Compress do PDF123 recomprime os streams com qpdf e empacota os objetos em object streams: sem redução de resolução das imagens, sem recodificação para JPEG com perdas, sem subdivisão de fontes. A linearização quase não muda o tamanho do arquivo.
Dois PDFs podem parecer idênticos na tela e diferir em três ordens de magnitude: 50 KB contra 50 MB. A diferença quase nunca está nos operadores de texto. Em um contrato de vinte páginas, esses operadores costumam ocupar algumas dezenas de kilobytes; todo o resto são amostras de imagem, um programa de fonte embutido por inteiro e o quão apertados estão os streams e os objetos.
Isso tem uma consequência que vale enunciar desde já: “comprimir um PDF” não é uma ação, são quatro. Elas encolhem coisas diferentes e cobram preços diferentes, e tratá-las como uma só produz experiências contraditórias: o arquivo comprimido que não diminuiu, ou que diminuiu mas ficou com as páginas borradas.
O tamanho vem das imagens, das fontes e do empacotamento
A maioria dos casos de “por que este PDF é tão grande?” começa com uma digitalização ou uma foto em alta resolução ainda embutida no tamanho da captura. Vale fazer a conta uma vez: uma página tamanho carta de 8,5 × 11 polegadas capturada a 300 DPI tem cerca de 2550 × 3300 pixels e, a três bytes por pixel, uns 25 MB sem compressão. Vinte páginas assim costumam chegar a 60–80 MB antes de alguém encostar na compressão.
A segunda origem são as fontes. Um PDF pode embutir um programa de fonte inteiro para que qualquer máquina renderize o texto de forma idêntica, e esse custo é medido pelo tamanho das tabelas de glifos, não por quanto do texto é realmente lido. É por isso que a subdivisão de fontes é uma alavanca de tamanho à parte.
A terceira é o próprio empacotamento. O mesmo conteúdo pode ser armazenado com configurações de compressão desperdiçadoras, ou ter seus objetos espalhados pelo arquivo, cada um carregando sua própria contabilidade. Nada disso muda um pixel ou um glifo, e é exatamente a parte que a recompressão de streams alcança.
“Comprimir” abrange quatro alavancas diferentes
Existem quatro alavancas sobre o tamanho; elas atuam em camadas diferentes e seus custos quase não se sobrepõem. Escolher a errada é o motivo mais comum de uma compressão parecer não fazer nada.
| Alavanca | O que ela toca | Ganho de tamanho | Custo |
|---|---|---|---|
| Recompressão de streams e object streams | Como os streams de conteúdo são comprimidos, como os objetos são armazenados e empacotados | Depende de quão frouxo era o original | Aparência das páginas inalterada |
| Redução de resolução das imagens | A contagem de pixels, ou seja, a resolução | Grande | Resolução reduzida em definitivo |
| Recodificação de imagem com perdas | A representação em bytes do bitmap | Grande | Qualidade da imagem reduzida |
| Subdivisão de fontes | As tabelas de glifos embutidas | Moderada | Glifos não usados deixam de ser editáveis |
| Linearização | A ordem dos objetos | Quase nulo | Em troca, compra o tempo de carregamento da primeira página |
As quatro primeiras linhas são todas chamadas de “compressão” de modo amplo, mas só a primeira deixa o conteúdo intacto. É também a linha cujo rendimento é mais fácil de julgar mal: uma digitalização cujo tamanho vem sobretudo de amostras de imagem cruas tem pouca redundância a remover, e as alavancas que de fato a cortariam são a redução de resolução e a recodificação com perdas, ao preço de perder aquela resolução e aquela qualidade para sempre.
O PDF123 Compress aciona apenas uma das quatro
Comprimir um PDF (POST /api/v1/misc/compress-pdf) faz só a primeira linha. Ele roda o qpdf com compressão dos streams não comprimidos (--compress-streams=y), uma segunda passada sobre os streams já comprimidos com Flate (--recompress-flate) e o empacotamento dos objetos em object streams (--object-streams=generate).
Ele não reduz a resolução das imagens, não recodifica bitmaps para um JPEG de qualidade menor e não subdivide fontes. A aparência das páginas deve continuar a mesma, e a economia vem da recompressão Flate e do empacotamento de object streams.
A condição de falha merece a mesma clareza. Quando o tamanho de um arquivo é sobretudo dados de imagem já comprimidos em JPEG, o Flate não tem mais nada para espremer, porque esses bytes de imagem ficam fora do alcance dos três interruptores acima. É por isso que um pacote de digitalizações pode voltar apenas alguns pontos percentuais menor, enquanto um PDF com muito texto de tamanho parecido ganha bem mais.
O caminho inverso é Descomprimir PDF, que expande os streams para inspeção (--qdf, object streams desativados) e igualmente não muda a aparência das páginas.
Quando o caminho certo é outro
| O que você precisa | O caminho a usar |
|---|---|
| Aparência idêntica, só remover o excesso de empacotamento | Comprimir |
| Um pacote de digitalizações realmente grande demais e perda de qualidade aceitável | Redução de resolução ou recodificação com perdas, não este Compress |
| Ainda editável, mas o próximo caractere não sai | Outras configurações de exportação ou o arquivo de origem, veja subdivisão de fontes |
| O navegador deveria ver a primeira página mais cedo | A linearização resolve a primeira pintura, não o tamanho |
| O arquivo não abre de jeito nenhum | Repair, um problema estrutural e não de tamanho |
Há uma armadilha nessa última linha: Linearizar PDF não é uma implementação separada aqui, é um alias do Compress. Os dois apontam para a mesma operação, o id canônico é misc/compress-pdf com linearize-pdf como alias, o portal sempre envia linearize=true e optimizeLevel=1 para essa ferramenta, o servidor não lê nenhum dos dois campos, e o qpdf nunca recebe --linearize. A operação que de fato lineariza um arquivo é Proteger, quando ela criptografa.
Então, se o que você quer é a mesma aparência em um arquivo menor, Comprimir é a resposta completa. Se você quer redução de imagem com perdas ou subdivisão de fontes, este caminho é a alavanca errada. O arquivo volta direto, sem precisar de conta. Para ver onde objetos, streams e a tabela de referências cruzadas realmente ficam, siga com O que há dentro de um PDF.