你扫描了三页纸，得到一个 40 MB 的文件，而邮件客户端拒绝把它发出去。与此同时，一份一百页的技术手册一秒钟就下载完，只占 2 MB。
差别不在页数，而在页面上装着什么——一旦明白这一点，问题和解法就都变得显而易见了。
两种截然不同的 PDF
几乎每一个体积过大的 PDF，变大的原因都是同一个，我们就从这里说起。
文本 PDF——从 Word 导出的，或者由报表生成器产生的那种——把字母存成字母。”The”存下来就是三个字符，外加关于用哪种字体、放在什么位置的指令。这种方式紧凑得惊人。这也是为什么一份很长的手册可以比一张照片还小。
扫描 PDF 则是一张页面的照片。每个字母都只是浅色像素之间的一片深色像素，文件根本不知道那里有文字。一页用高分辨率彩色扫描的纸，单是它自己就轻易能有 5–15 MB。
判断你手上是哪一种：打开文件，用鼠标试着选中一句话。如果能选中一个个词，那就是文本。如果只能在页面上拉出一个方框，那就是图像——你的兆字节都花在这里了。
让文件变得庞大的四件事
明明不需要，却用彩色扫描。一页黑白的纸用全彩扫描，会为每个像素存下三个颜色值，而它要表达的其实只是”有墨”或”没墨”。这是文件巨大的头号原因，而且通常只是一个没人改过的默认设置。
分辨率远超实际需要。600 dpi 是留给档案级复制的。对于一份别人只会在屏幕上读、或者用办公打印机打出来的文档，200–300 dpi 看不出任何差别，体积却只是零头。
按相机原始分辨率插入的图片。把一张 1200 万像素的照片放进报告，它通常会以原始尺寸嵌入，哪怕显示出来只有 8 厘米宽。文件照样要背着那么多像素。
嵌入字体。字体被存进 PDF 内部，好让文档在哪里看都是对的。正常情况下这只需要几百 KB——但如果一份文档用了很多种字体，而且是完整嵌入而不是只嵌入用到的那些字符，就可能多出好几 MB。
压缩到底做了什么
两种机制，而它们的差别很重要。
无损压缩把数据打包得更有效率，不丢弃任何东西。解开之后，你拿回的和放进去的一模一样。文字和结构走的就是这条路，没有理由不用它。
有损压缩会永久丢掉一部分信息，挑的是你的眼睛多半不会察觉的细节。图片走的就是这条路，真正的节省也在这里。它同样是不可逆的——没有任何工具能找回被丢掉的东西，所以请保留原件。
对扫描件把有损压缩推得太狠，结果会难看得很有特点：文字边缘发虚，浅淡的印章和手写字消失，表格里的细线断开。遇到扫描的签名，或者用笔填写的表单，过度压缩可能毁掉的正是这份文档当初值得保留的那个东西。
怎样才能真正把文件缩小
按照”收益最大、损害最小”的顺序：
1. 在扫描仪上解决。这显然是最好的选择。除非颜色本身带有意义，否则就用灰度或黑白扫描，分辨率设为 200–300 dpi。一份 40 MB 的扫描件常常会变成 2 MB，而你根本注意不到任何损失。
2. 删掉不需要的页面。明摆着的办法，却经常被忘掉。只发 4 页相关内容，而不是整份 60 页的报告，比任何压缩设置省下的都多，对收件人也是一种体贴。
3. 给图片降采样。大多数压缩工具都允许你限制图片分辨率。屏幕阅读设为 150 dpi、打印设为 300 dpi，通常就能去掉大部分体积。
4. 然后再压缩。从适中的档位开始。接受结果之前先检查一遍——尤其是小号字、印章和手写内容。
另外，一定要检查输出。压缩是这样一种操作：损害是看不见的，直到有人需要读一个数字，而它已经变成一团灰色的污渍。
一个完全胜过压缩的办法
对扫描的文本文档来说，有一个大多数人从来没想过的选项，而它往往比任何压缩设置都管用：做 OCR，并保留文字。
OCR 软件读取图像，判断出那些字母是什么。有些工具随后会生成一份”可搜索的 PDF”，它保留扫描图像，再加上一层看不见的文字——有用，但体积并不会变小。另一些工具则能把文档重建为真正的文字，体积正是在这一步塌下去的。一份 30 MB 的扫描件可以变成几百 KB，因为你不再存一张关于文字的照片，而是开始存文字本身。
代价说出来也很诚实，值得讲明白：你会失去原件的视觉真实感，包括手写、印章，以及一份真实文档那种让人安心的样子。OCR 也会出错，所以文字需要校对。这让它不适合任何”外观本身就是证据”的场合——却非常适合一份扫描的手册、一沓笔记，或者一份你只需要阅读和检索的报告。
很多人忽略的一条折中路线：扫描件留作存档，另做一份文字版用于传阅。30 MB 的原件进档案，小而好读的那一份进邮件。
什么时候不该压缩
有些文档根本不该被挤压。
任何具有法律意义的文件。合同、公证文件、证据。如果签名或印章必须清晰可辨、可供核验，就别让它经过有损压缩。
已签名的 PDF。压缩会重写文件，而这会让数字签名失效。这不是缺陷——恰恰是签名在正常工作。但如果签名很重要，文件就必须原封不动。
存档副本。压缩你要发出去的那一份，原件留作存档。存储空间很便宜；一个再也找不回来的细节可不便宜。
关于”在哪里压缩”的一点提醒
压缩是人们最经常放到网上去做的操作之一，因为这恰恰是你已经心烦意乱的那一刻——邮件被退回了，你现在就想把它解决掉。
这种烦躁值得留意，因为人往往正是在这种时候不再去想自己上传的是什么。需要压缩的文件通常是扫描件，而扫描件通常是从纸上来的文档：签好的合同、身份证件、体检结果、银行对账单。这些是大多数人手里最敏感的文档，而”邮件被退回了”实在不是把它们放到陌生人服务器上的好理由。
PDF Manipulator 在本地压缩，所以你护照的扫描件、你签好的租约永远不会离开你的电脑。它变不出魔法——有损压缩的物理规律到哪里都一样，一份用 600 dpi 彩色草草扫出来的文档，永远只能是一种妥协。但这个妥协只发生在你和你自己的电脑之间。
简单来说
PDF 之所以大，是因为图片，不是因为页数。先看看你手上的是文本还是扫描件，能改扫描仪设置就去改，删掉没人需要的页面，压缩时选适中而不是狠压。保留原件，永远不要压缩已签名的文档，并且在为了省下八兆字节而把文件传到某个地方之前，先花一点时间想想页面上装的是什么。
在你自己的电脑上压缩 PDF——PDF Manipulator 完全免费 →
参考来源
- Artifex, Ghostscript: High Level Devices (PDFSETTINGS presets)
- Tesseract OCR
- ISO, ISO 32000-2:2020 — Document management, Portable Document Format, Part 2: PDF 2.0
