压缩 PDF

PDF 里究竟什么能被缩小

PDF 是一个容器：文字、字体、矢量、书签和图片，各自存为独立对象。把同样的对象再写一遍不是压缩，而且可以测量——重新保存一份四页文字文档，大小变化 0.0%；剥掉元数据变化 0.4%；关闭对象流（某些快速“压缩”实际做的事）反而让同一文件增大了 92%。

把页面栅格化是另一种常见把戏，也是上传后的文件回来时模糊、无法搜索的原因：一页 Letter 尺寸的页面按 150 dpi 存成图片要约 227 KB，所以文字密集的文档会变大，而其中的单词也不再是单词。这个工具不这么做。真正有收益的唯一杠杆，是文档里本来就有的图片，因为它们才是一份 PDF 变大的首要原因。

每张图片如何重新编码

每个滤镜恰好是 DCTDecode——也就是 JPEG——的图片对象都是候选。字节交给浏览器自己的 JPEG 解码器，按目标像素尺寸画到 canvas 上（开启平滑，所以缩小是重采样而不是抽样），再按你选择的质量编码回 JPEG。新字节替换同一图片对象里的旧字节，所以文档里其他东西不必重新编号或重新链接。

三条规则保证输出不会令人失望。重新编码后的图片只有在至少小 5% 且小 1 KB 时才会被保留，所以质量绝不会为几个字节而被牺牲。随后文档会写出两次，一次带对象流、一次不带，较小的编码胜出——一个本来已打包的文件的交叉引用数据在重写时可能变大，你不该为此买单。最后，如果成品没有比原文件小，你拿到的是原文件：这个工具不会毫无意义地重写你的文档，然后管它叫压缩。

质量滑块是 JPEG 编码器的质量，不是对页面外观的承诺。各浏览器的 canvas 编码器并不相同，所以这里的 70% 不等于照片编辑器里的 70%；诚实的用法是试一个设置，看结果，如果图片仍然够清晰就继续往下降。

什么被刻意留下，以及为什么

以无损方式存储的图片（Flate、PNG、CCITT 传真、JPEG 2000）必须在这里解码成原始像素缓冲区，而缓冲区一旦读错——错误的色彩空间、缺失的 predictor、1 位图像——就会在你的文档里显示为一张错乱的图片。CMYK 和 ICCBased 图片同样如此，不同浏览器对它们的颜色读法并不一致；模板遮罩和软遮罩也不行，因为它们必须与所属图片保持相同尺寸。与其猜测，工具会跳过它们，并按原因汇总跳过了多少张、为什么，而不是编造一张假清单。

带 EXIF 旋转标记的图片也会跳过。那里存储的像素是未旋转的，标记告诉查看器去转；而浏览器在解码时是否应用该标记并不一致——弄错会让图片在你的文档里横躺，那远比一个没能变小的文件糟糕。

文档里的其他东西都不碰。文档元数据、书签、链接、表单字段和权限都原样复制，这也是为什么需要密码的 PDF 会被拒绝而不是被猜测：这个工具没有办法向你要密码。

两个旋钮，以及各自交换掉了什么

质量分四档——高、均衡、小、最小——分别把每张合格图片按它原有 JPEG 质量的 85、70、55 或 40 个百分点重新编码。宽度是第二个独立控件：比你所选上限（2400、1600、1200 或 800 px）更宽的图片会被缩到上限，本来就更窄的图片保持自己的像素，因为这个工具从不放大图片。

两个旋钮可以自由组合，计划会在任务运行前说明主要靠哪一个参数起作用。如果节省很小，文件很可能本来就已经压过——里面的图片是按屏幕而不是按印刷写的——结果会直说，而不是往报告里注水。