आप तीन पन्ने स्कैन करते हैं और नतीजे में 40 MB की फ़ाइल मिलती है, जिसे आपका ईमेल प्रोग्राम भेजने से ही मना कर देता है। उधर सौ पन्नों की तकनीकी पुस्तिका एक सेकंड में डाउनलोड हो जाती है और सिर्फ़ 2 MB जगह लेती है।
फ़र्क़ पन्नों की गिनती का नहीं है। फ़र्क़ इस बात का है कि पन्नों पर क्या है — और यह जान लेने के बाद समस्या भी साफ़ हो जाती है और उसका हल भी।
PDF दो बिल्कुल अलग तरह की होती हैं
ज़रूरत से बड़ी लगभग हर PDF एक ही वजह से बड़ी होती है, तो शुरुआत वहीं से करते हैं।
लिखाई वाली PDF — जो Word से निर्यात करके बनी हो, या किसी रिपोर्ट बनाने वाले प्रोग्राम से — अक्षरों को अक्षरों की तरह ही रखती है। “The” तीन अक्षरों के रूप में दर्ज होता है, साथ में इतना निर्देश कि फ़ॉन्ट कौन-सा है और उसे रखना कहाँ है। यह हैरान कर देने वाली हद तक छोटा होता है। यही वजह है कि एक लंबी पुस्तिका एक अकेली तस्वीर से भी छोटी हो सकती है।
स्कैन की हुई PDF असल में पन्ने की तस्वीर होती है। हर अक्षर बस हल्के पिक्सलों के बीच कुछ गहरे पिक्सल भर है, और फ़ाइल को यह पता ही नहीं कि इसमें से कुछ भी लिखाई है। ऊँचे रिज़ॉल्यूशन पर पूरे रंग में स्कैन किया गया एक पन्ना अकेले ही आसानी से 5–15 MB का हो सकता है।
जाँचिए कि आपके पास कौन-सी है: फ़ाइल खोलिए और माउस से कोई वाक्य चुनने की कोशिश कीजिए। अगर शब्द चुने जा रहे हैं, तो यह लिखाई है। अगर आप पन्ने पर बस एक चौकोर घेरा भर खींच पा रहे हैं, तो यह तस्वीर है — और मेगाबाइट वहीं गए हैं।
चार चीज़ें जो फ़ाइलों को भारी बना देती हैं
बिना ज़रूरत रंग में स्कैन करना। काले-सफ़ेद पन्ने को पूरे रंग में स्कैन करने पर हर पिक्सल के लिए तीन रंग-मान दर्ज होते हैं, जबकि दिखाना बस इतना था कि यहाँ स्याही है या नहीं। बड़ी फ़ाइलों की यह अकेली सबसे बड़ी वजह है, और आम तौर पर यह वही डिफ़ॉल्ट सेटिंग होती है जिसे किसी ने बदला नहीं।
ज़रूरत से कहीं ज़्यादा रिज़ॉल्यूशन। 600 dpi अभिलेखीय प्रतिलिपि के लिए है। जिस दस्तावेज़ को कोई स्क्रीन पर पढ़ेगा या दफ़्तर के प्रिंटर से छापेगा, उसके लिए 200–300 dpi में कोई फ़र्क़ नज़र नहीं आता, और आकार उसका एक अंश रह जाता है।
तस्वीरें कैमरे के पूरे रिज़ॉल्यूशन पर डालना। रिपोर्ट में 12 मेगापिक्सल की कोई तस्वीर डालिए, और वह आम तौर पर पूरे आकार में ही भीतर बैठ जाती है, भले दिखे वह 8 सेंटीमीटर चौड़ी। फ़ाइल वे सारे पिक्सल फिर भी ढोती रहती है।
एम्बेडेड फ़ॉन्ट। फ़ॉन्ट PDF के भीतर ही रख दिए जाते हैं, ताकि दस्तावेज़ हर जगह ठीक दिखे। आम तौर पर इसकी क़ीमत कुछ सौ किलोबाइट होती है — लेकिन जो दस्तावेज़ कई फ़ॉन्ट इस्तेमाल करता हो और उन्हें सिर्फ़ इस्तेमाल किए गए अक्षरों तक सीमित रखने के बजाय पूरा-का-पूरा भीतर रख ले, वह कई मेगाबाइट जोड़ सकता है।
संपीड़न असल में करता क्या है
दो तरीक़े हैं, और उनका फ़र्क़ मायने रखता है।
अहानिकर संपीड़न कुछ भी फेंके बिना डेटा को ज़्यादा सलीक़े से बाँध देता है। खोलिए तो ठीक वही वापस मिलता है जो भीतर गया था। लिखाई और ढाँचे के साथ यही होता है, और इसे इस्तेमाल न करने की कोई वजह नहीं।
हानिकर संपीड़न जानकारी हमेशा के लिए फेंक देता है, और वही ब्योरे चुनता है जिनकी कमी आपकी आँख को शायद ही खले। तस्वीरों के साथ यही होता है, और असली बचत यहीं है। यह लौटाया भी नहीं जा सकता — जो फेंक दिया गया, उसे कोई औज़ार वापस नहीं लाता, इसलिए अपनी मूल फ़ाइल सँभालकर रखिए।
स्कैन किए हुए दस्तावेज़ पर हानिकर संपीड़न ज़्यादा कस दीजिए, और नतीजा एक ख़ास तरह से भद्दा होता है: अक्षरों के किनारे धुँधले पड़ जाते हैं, हल्की मुहरें और हाथ की लिखाई ग़ायब हो जाती है, और तालिकाओं की महीन रेखाएँ टूटने लगती हैं। स्कैन किए हुए दस्तख़त या क़लम से भरे गए फ़ॉर्म पर ज़रूरत से ज़्यादा संपीड़न ठीक वही चीज़ मिटा सकता है, जिसकी वजह से वह दस्तावेज़ सँभालने लायक़ था।
फ़ाइल को सचमुच छोटा कैसे करें
उसी क्रम में, जिसमें सबसे कम नुक़सान पर सबसे ज़्यादा फ़ायदा मिलता है:
1. स्कैनर पर ही ठीक कर लीजिए। यही सबसे अच्छा विकल्प है। जब तक रंग कोई मतलब न रखता हो, ग्रेस्केल या काले-सफ़ेद में स्कैन कीजिए, 200–300 dpi पर। 40 MB का स्कैन अक्सर 2 MB रह जाता है, और ऐसा कुछ नहीं खोता जो आपको नज़र आए।
2. जो पन्ने नहीं चाहिए, उन्हें हटा दीजिए। ज़ाहिर बात है, और अक्सर भुला दी जाती है। 60 पन्नों की रिपोर्ट के बजाय काम के 4 पन्ने भेजना किसी भी संपीड़न सेटिंग से बड़ी बचत है, और पाने वाले पर एक एहसान भी।
3. तस्वीरों का रिज़ॉल्यूशन घटा दीजिए। ज़्यादातर संपीड़न औज़ार तस्वीरों के रिज़ॉल्यूशन की ऊपरी सीमा तय करने देते हैं। स्क्रीन पर पढ़ने के लिए 150 dpi और छापने के लिए 300 dpi रख देने से आम तौर पर ज़्यादातर भारीपन निकल जाता है।
4. उसके बाद संपीड़न कीजिए। मध्यम सेटिंग से शुरू कीजिए। नतीजा स्वीकार करने से पहले उसे देख लीजिए — ख़ासकर बारीक लिखाई, मुहरें और हाथ की लिखाई।
और नतीजा हमेशा जाँचिए। संपीड़न वह अकेला काम है जिसमें नुक़सान तब तक दिखता ही नहीं, जब तक किसी को वह आँकड़ा न पढ़ना पड़े जो अब एक धूसर धब्बा है।
वह तरकीब जो संपीड़न को पूरी तरह मात दे देती है
स्कैन किए हुए लिखाई वाले दस्तावेज़ों के लिए एक विकल्प है जिस पर ज़्यादातर लोग कभी सोचते ही नहीं, और वह अक्सर किसी भी संपीड़न सेटिंग से बेहतर काम करता है: OCR चलाइए और लिखाई को रख लीजिए।
OCR सॉफ़्टवेयर तस्वीर पढ़ता है और तय करता है कि अक्षर कौन-से हैं। कुछ औज़ार इसके बाद एक “खोजने लायक़ PDF” बनाते हैं, जो स्कैन को वैसा ही रखती है और उस पर लिखाई की एक अदृश्य परत जोड़ देती है — काम की चीज़ है, पर आकार में छोटी नहीं। कुछ दूसरे औज़ार दस्तावेज़ को असली लिखाई के रूप में दोबारा बना सकते हैं, और आकार वहीं ढह जाता है। 30 MB का स्कैन कुछ सौ किलोबाइट का हो सकता है, क्योंकि अब आपने शब्दों की तस्वीर रखना छोड़कर ख़ुद शब्द रखना शुरू कर दिया है।
इसका सौदा साफ़ है और उसे कह देना ज़रूरी है: आप मूल दस्तावेज़ की दृश्य प्रामाणिकता खो देते हैं — हाथ की लिखाई, मुहरें और वह भरोसा दिलाने वाली शक्ल भी, जो एक असली दस्तावेज़ की होती है। OCR ग़लतियाँ भी करता है, इसलिए लिखाई जाँचनी पड़ती है। इससे यह उन सब चीज़ों के लिए ख़राब विकल्प बन जाता है जहाँ दिखावट ख़ुद सबूत का हिस्सा है — और स्कैन की हुई पुस्तिका, नोट्स के पुलिंदे या ऐसी रिपोर्ट के लिए बहुत अच्छा, जिसे आपको बस पढ़ना और खोजना है।
एक बीच का रास्ता, जो बहुत लोग चूक जाते हैं: रिकॉर्ड के लिए स्कैन रख लीजिए, और बाँटने के लिए लिखाई वाला संस्करण बना लीजिए। 30 MB की मूल फ़ाइल अभिलेख में जाती है; छोटी और पढ़ने लायक़ वाली ईमेल में।
संपीड़न कब नहीं करना चाहिए
कुछ दस्तावेज़ों को दबाना ही नहीं चाहिए।
क़ानूनी तौर पर अहम कुछ भी। अनुबंध, नोटरी से प्रमाणित दस्तावेज़, सबूत। अगर किसी दस्तख़त या मुहर का पढ़ने और परखने लायक़ रहना ज़रूरी है, तो उसे हानिकर संपीड़न से मत गुज़ारिए।
दस्तख़त की हुई PDF। संपीड़न फ़ाइल को दोबारा लिखता है, जिससे डिजिटल दस्तख़त अमान्य हो जाता है। यह कोई ख़राबी नहीं — यह दस्तख़त का ठीक से काम करना है। लेकिन अगर दस्तख़त मायने रखता है, तो फ़ाइल को हूबहू वैसी ही रहना होगा।
अभिलेख की प्रतियाँ। जो संस्करण आप भेज रहे हैं, उसे संपीड़ित कीजिए। मूल फ़ाइल अभिलेख के लिए रखिए। भंडारण सस्ता है; वह ब्योरा सस्ता नहीं जो दोबारा नहीं मिलेगा।
एक बात इस पर कि आप संपीड़न कहाँ करते हैं
संपीड़न उन कामों में है जिन्हें लोग सबसे ज़्यादा भरोसे से ऑनलाइन कर डालते हैं, क्योंकि यही वह मौक़ा है जब आप पहले से खीझे हुए होते हैं — ईमेल लौट आया, और आप इसे अभी ठीक करना चाहते हैं।
इस खीझ पर ध्यान देना चाहिए, क्योंकि ठीक यही वह पल है जब लोग यह सोचना बंद कर देते हैं कि वे अपलोड क्या कर रहे हैं। जिन फ़ाइलों को संपीड़न की ज़रूरत पड़ती है, वे आम तौर पर स्कैन होती हैं, और स्कैन आम तौर पर उन दस्तावेज़ों के होते हैं जो काग़ज़ पर आए थे: दस्तख़त किए हुए अनुबंध, पहचान के दस्तावेज़, मेडिकल नतीजे, बैंक स्टेटमेंट। ज़्यादातर लोग जो दस्तावेज़ सँभालते हैं, उनमें ये सबसे संवेदनशील हैं — और “ईमेल लौट आया” इनमें से किसी को किसी अजनबी के सर्वर पर डालने की कमज़ोर वजह है।
PDF Manipulator संपीड़न आपके अपने कंप्यूटर पर करता है, इसलिए आपके पासपोर्ट का स्कैन या दस्तख़त किया हुआ किरायानामा कभी आपकी मशीन से बाहर नहीं जाता। यह कोई जादू नहीं करेगा — हानिकर संपीड़न के नियम हर जगह एक जैसे हैं, और 600 dpi पर रंग में ख़राब तरीक़े से स्कैन किया गया दस्तावेज़ हमेशा एक समझौता ही रहेगा। लेकिन वह समझौता आपके और आपके अपने कंप्यूटर के बीच ही रहता है।
संक्षेप में
PDF बड़ी पन्नों की वजह से नहीं, तस्वीरों की वजह से होती है। पहले देखिए कि आपकी फ़ाइल लिखाई वाली है या स्कैन, हो सके तो स्कैनर की सेटिंग ठीक कीजिए, जिन पन्नों की किसी को ज़रूरत नहीं उन्हें हटाइए, और संपीड़न आक्रामक नहीं बल्कि मध्यम रखिए। मूल फ़ाइल सँभालकर रखिए, दस्तख़त किए हुए दस्तावेज़ को कभी संपीड़ित मत कीजिए, और आठ मेगाबाइट बचाने के लिए कहीं अपलोड करने से पहले एक पल यह सोच लीजिए कि उस पन्ने पर है क्या।
PDF को अपने ही कंप्यूटर पर संपीड़ित कीजिए — PDF Manipulator मुफ़्त है →
स्रोत
- Artifex, Ghostscript: High Level Devices (PDFSETTINGS presets)
- Tesseract OCR
- ISO, ISO 32000-2:2020 — Document management, Portable Document Format, Part 2: PDF 2.0
