Cómo reducir el tamaño de un PDF

Antes de comprimir conviene saber qué se está comprimiendo. Un PDF de cuarenta páginas solo con texto suele ocupar menos de 300 KB, porque ese texto son unos miles de instrucciones de glifo y un subconjunto de fuente. Un contrato escaneado de doce páginas puede pesar 17 MB. La diferencia no es el número de páginas ni el texto: son las imágenes. En la práctica, cuando alguien dice que un PDF es enorme, mucho más del noventa por ciento de los bytes son fotografías, y todo el trabajo de un compresor consiste en recodificar esas fotografías a un tamaño que siga viéndose bien en pantalla. Todo lo demás — limpiar metadatos, eliminar objetos huérfanos, reescribir la tabla de referencias cruzadas — mueve kilobytes, no megabytes.

Dos mandos, y solo dos

La compresión de imágenes se reduce a resolución y calidad. La resolución es cuántos píxeles contiene la imagen; un escáner a 300 puntos por pulgada genera aproximadamente cuatro veces los píxeles de un escaneo de la misma página a 150 ppp, y píxeles son bytes. La calidad es el ajuste JPEG que se aplica después, en una escala en la que 1,0 conserva casi todo y 0,4 empieza a mostrar defectos visibles en zonas planas. Nuestros tres ajustes mueven ambos a la vez: ligero limita el lado largo a 1700 píxeles con calidad 0,80; equilibrado, 1240 píxeles y 0,62; agresivo, 1000 y 0,45. Equilibrado es el que sirve para la mayoría de documentos, porque una página representada a 1240 píxeles de alto sigue siendo más nítida que la pantalla en la que casi todo el mundo lee, y porque bajar de 0,80 a 0,62 elimina una fracción sorprendente de los bytes sin tocar la legibilidad del cuerpo de texto.

Las cifras que medimos

Son archivos reales pasados por la herramienta, no estimaciones. Un documento escaneado de doce páginas, del tipo que envía por correo un abogado o un asesor fiscal, pasó de 17,69 MB a 1,49 MB con el ajuste equilibrado: una reducción del 91,6 por ciento. Una presentación de siete páginas exportada a PDF pasó de 6,55 MB a 1,87 MB, un 71,5 por ciento. La diferencia entre ambos casos es instructiva: el escaneo no es más que fotografías de papel, así que la recodificación domina; la presentación contiene formas vectoriales y texto que la compresión no puede tocar, de modo que su techo es más bajo. Use la herramienta que use, espere las mayores ganancias en escaneos y archivos con muchas fotos, y ganancias modestas en documentos nacidos digitales.

El formato importa más que los ajustes

Hay una trampa que le cuesta el resultado a muchas herramientas: los navegadores y las suites ofimáticas incrustan las imágenes con frecuencia como Flate — un formato sin pérdida — y no como JPEG. Un compresor que solo sabe tratar JPEG incrustados ve esas imágenes, no las reconoce y las salta. En nuestro primer intento con aquel escaneo de 17,69 MB el resultado fue un ahorro del 0,0 por ciento tras setenta segundos de trabajo, porque las veinticuatro imágenes estaban codificadas en Flate y todas se saltaron. Decodificarlas a píxeles en bruto y recodificarlas como JPEG fue lo que convirtió el 0 por ciento en 91,6. Si un compresor le dice que un archivo visiblemente lleno de imágenes no se puede mejorar, esta suele ser la razón.

Transparencia, máscaras e imágenes que se saltan

Hay una categoría de imagen que los compresores tratan con nerviosismo: las que llevan transparencia. En un PDF, una máscara suave se guarda como un objeto en escala de grises independiente al que la imagen principal hace referencia, y un compresor prudente se salta todo lo que lleve una, para no arriesgarse a dejar un recuadro negro donde había un logotipo. Esa prudencia sale cara. En nuestras pruebas, la imagen más grande de un documento real — 2,58 MB — se estaba saltando exactamente por eso, así que el archivo conservaba 2,58 MB que no necesitaba. El tratamiento correcto es más estrecho que la regla general: como la máscara es un objeto independiente, la imagen base puede recodificarse como JPEG dejando la referencia a la máscara en su sitio, y la transparencia no sufre. Solo dos casos deben dejarse en paz de verdad: las máscaras de estencil, que son formas de un bit por píxel sin información tonal, y las máscaras por clave de color, donde son valores concretos los que hacen invisibles los píxeles. Del mismo modo, una instrucción de inversión de color adherida a una imagen pertenece a su codificación antigua y nunca debe copiarse a la nueva, o la foto vuelve en negativo.

Cuando un PDF de verdad no puede reducirse

Algunos archivos ya están optimizados, y una herramienta honesta lo dice en lugar de producir un archivo ligeramente distinto del mismo tamaño. Un PDF que es casi todo texto vectorial no tiene prácticamente nada que dar. Peor aún: la reescritura estructural puede agrandar un archivo pequeño. En nuestras mediciones, un documento ligero creció un setenta y uno por ciento al pasar por un optimizador que lo linealizaba, porque las estructuras añadidas pesaban más que lo ahorrado. La regla que adoptamos es quedarnos con el archivo más pequeño — origen o resultado — e informar de «ya optimizado» cuando la ganancia queda por debajo del tres por ciento, en vez de presentar una diferencia del dos por ciento como un logro. Si una herramienta siempre le muestra un ahorro, sospeche de qué está midiendo.

Sepa qué tipo de archivo tiene antes de empezar

Dos pruebas de cinco segundos le dicen de antemano qué esperar. La primera: intente seleccionar una frase con el cursor en el lector de PDF. Si la frase se selecciona, el documento nació digital y probablemente ya sea pequeño; si se selecciona la página entera como un bloque, tiene un escaneo y ganará mucho con la compresión. La segunda: divida el tamaño entre el número de páginas. Cualquier documento que supere el medio megabyte por página es, casi sin excepción, pesado en imágenes. Estas dos comprobaciones ajustan sus expectativas antes de ejecutar nada y le ahorran intentos inútiles. Una tercera pista es de dónde viene el archivo: los documentos fotografiados con el móvil suelen ser aún mayores que los de un escáner de sobremesa, porque los sensores actuales producen muchos más píxeles de los que una página A4 necesita.

Un orden práctico de trabajo

Pruebe primero equilibrado y mire el resultado al cien por cien de zoom, no en la miniatura. Compruebe el texto más pequeño de la página más cargada — una nota al pie, un sello, un bloque de firma — porque ahí es donde aparece antes la pérdida de calidad. Si aguanta y todavía necesita menos peso, pase a agresivo; si no aguanta, baje a ligero y acepte un archivo mayor. Solo si el archivo sigue siendo demasiado grande conviene dividirlo, ya que tres adjuntos de 4 MB suelen ser más fáciles de enviar que uno de 12 MB. Y si el origen es un escáner que usted controla, la solución más barata está aguas arriba: escanee a 200 o 300 ppp en escala de grises en vez de a 600 ppp en color, y el problema no llega a existir.