Как уменьшить размер файла PDF

Прежде чем что-то сжимать, стоит понять, что именно вы сжимаете. PDF на сорок страниц из одного текста обычно занимает меньше 300 КБ, потому что этот текст — несколько тысяч команд отрисовки глифов и подмножество шрифта. Отсканированный договор на двенадцать страниц может весить 17 МБ. Разница не в числе страниц и не в тексте — она в изображениях. На практике, когда кто-то говорит, что PDF огромный, гораздо больше девяноста процентов байтов — это фотографии, и вся работа компрессора сводится к перекодированию этих фотографий в размер, который по-прежнему хорошо выглядит на экране. Всё остальное — чистка метаданных, удаление осиротевших объектов, переписывание таблицы перекрёстных ссылок — двигает килобайты, а не мегабайты.

Две ручки, и только две

Сжатие изображений сводится к разрешению и качеству. Разрешение — это сколько пикселей содержит изображение; сканер на 300 точек на дюйм даёт примерно вчетверо больше пикселей, чем скан той же страницы на 150 точек, а пиксели — это байты. Качество — это настройка JPEG, применяемая после, по шкале, где 1,0 сохраняет почти всё, а на 0,4 в ровных областях появляются заметные искажения. Наши три пресета двигают обе величины вместе: лёгкий ограничивает длинную сторону 1700 пикселями при качестве 0,80; сбалансированный — 1240 пикселями и 0,62; агрессивный — 1000 и 0,45. Сбалансированный подходит большинству документов: страница, отрисованная высотой в 1240 пикселей, всё ещё резче экрана, на котором читает большинство людей, а переход с 0,80 на 0,62 убирает удивительно большую долю байтов, не трогая читаемость основного текста.

Цифры, которые мы измерили

Это настоящие файлы, пропущенные через инструмент, а не оценки. Отсканированный документ на двенадцать страниц — из тех, что присылают по почте юристы и бухгалтеры, — на сбалансированном пресете уменьшился с 17,69 МБ до 1,49 МБ, то есть на 91,6 процента. Презентация на семь страниц, выгруженная в PDF, уменьшилась с 6,55 МБ до 1,87 МБ, на 71,5 процента. Разрыв между ними поучителен: скан — это сплошная фотография бумаги, поэтому перекодирование решает всё; в презентации есть векторные фигуры и текст, которых сжатие коснуться не может, поэтому её потолок ниже. Каким бы инструментом вы ни пользовались, ждите наибольшего выигрыша на сканах и файлах с фотографиями и скромного — на документах, рождённых цифровыми.

Формат важнее настроек

Есть ловушка, которая стоит многим инструментам результата: браузеры и офисные пакеты часто встраивают изображения как Flate — формат без потерь — а не как JPEG. Компрессор, умеющий работать только со встроенными JPEG, видит эти изображения, не узнаёт их и пропускает. В нашей первой попытке на том самом скане в 17,69 МБ итог был 0,0 процента экономии после семидесяти секунд работы, потому что все двадцать четыре изображения были в Flate и все были пропущены. Раскодировать их в сырые пиксели и перекодировать в JPEG — вот что превратило 0 процентов в 91,6. Если компрессор говорит, что явно насыщенный изображениями файл улучшить нельзя, причина очень часто именно эта.

Прозрачность, маски и пропущенные изображения

Есть категория изображений, к которой компрессоры относятся нервно, — с прозрачностью. В PDF мягкая маска хранится отдельным объектом в градациях серого, на который ссылается основное изображение, и осторожный компрессор пропускает всё, что несёт такую маску, чтобы не рискнуть чёрным прямоугольником на месте логотипа. Эта осторожность дорого обходится. В наших испытаниях самое крупное изображение реального документа — 2,58 МБ — пропускалось ровно по этой причине, то есть файл тащил 2,58 МБ, которые ему не нужны. Правильное поведение уже общего правила: поскольку маска — самостоятельный объект, базовое изображение можно перекодировать в JPEG, оставив ссылку на маску на месте, и прозрачность не пострадает. По-настоящему трогать нельзя лишь два случая: трафаретные маски, то есть формы в один бит на пиксель без тональной информации, и маски по цветовому ключу, где невидимость пикселей задают конкретные значения цвета. Точно так же прикреплённая к изображению команда инверсии цвета принадлежит старой кодировке и никогда не должна переноситься в новую, иначе снимок вернётся негативом.

Когда PDF действительно не уменьшается

Некоторые файлы уже оптимизированы, и честный инструмент говорит об этом, а не выдаёт слегка иной файл того же размера. PDF, состоящий почти целиком из векторного текста, отдать практически нечего. Хуже того, структурная перезапись может увеличить маленький файл: в наших измерениях лёгкий документ вырос на семьдесят один процент, пройдя через оптимизатор с линеаризацией, потому что добавленные структуры перевесили всю экономию. Правило, на котором мы остановились: оставлять меньший файл — исходный или полученный — и сообщать «уже оптимизирован», когда выигрыш меньше примерно трёх процентов, а не выдавать разницу в два процента за результат. Если инструмент всегда показывает экономию, стоит усомниться в том, что он измеряет.

Поймите, какой у вас файл

Две пятисекундные проверки заранее скажут, чего ждать. Первая: попробуйте выделить курсором предложение в просмотрщике PDF. Выделяется предложение — документ родился цифровым и, скорее всего, уже невелик; выделяется вся страница одним блоком — у вас скан и от сжатия вы выиграете много. Вторая: поделите размер на число страниц. Любой документ тяжелее полумегабайта на страницу почти без исключений насыщен изображениями. Эти две проверки настраивают ожидания ещё до запуска инструмента и избавляют от бесполезных попыток. Третья подсказка — происхождение файла: документы, снятые телефоном, часто крупнее сделанных настольным сканером, потому что современные матрицы дают куда больше пикселей, чем нужно странице формата A4.

Практический порядок работы

Сначала попробуйте сбалансированный пресет и смотрите результат при стопроцентном увеличении, а не на миниатюре. Проверьте самый мелкий текст на самой насыщенной странице — сноску, печать, блок подписи, — потому что потеря качества проявляется прежде всего там. Если держится, а вес всё ещё великоват, переходите к агрессивному; если не держится, спускайтесь к лёгкому и примите файл побольше. И только если файл всё равно слишком велик, стоит думать о разделении: три вложения по 4 МБ обычно отправить проще, чем одно на 12 МБ. А если источник — ваш собственный сканер, самое дешёвое решение находится раньше: сканируйте на 200-300 точках в градациях серого вместо 600 точек в цвете, и проблема просто не возникнет.