U opent een PDF, verwijdert een paar pagina's, verwijdert enkele afbeeldingen en slaat deze op. Het bestand moet kleiner zijn. Je hebt zojuist inhoud verwijderd. Maar als je de bestandsgrootte controleert, is deze gegroeid. Een document dat 2 megabyte groot was voordat het werd bewerkt, is nu 2,3 megabyte nadat je het hebt verwijderd. Dit contra-intuïtieve gedrag is geen bug. Het is een gevolg van de manier waarop het PDF-formaat incrementele wijzigingen beheert, en het gebeurt bij vrijwel elke PDF-editor, inclusief de meest bekende desktopapplicaties. Begrijpen waarom verklaart niet alleen het mysterie van het groeiende bestand, maar ook hoe u kunt voorkomen dat dit met uw documenten gebeurt.
Hoe PDF-editors wijzigingen opslaan: incrementele updates versus volledig herschrijven
De keuze is belangrijker dan je denkt.
Wanneer u een PDF bewerkt en opslaat, heeft de toepassing twee keuzes voor het wegschrijven van de wijzigingen naar schijf. De eerste methode, incrementeel opslaan genoemd, voegt de gewijzigde objecten toe aan het einde van het bestaande bestand zonder de oorspronkelijke inhoud te wijzigen. De originele pagina's, afbeeldingen en tekst blijven in het bestand precies zoals ze waren. De nieuwe objecten verwijzen naar de oude en overschrijven deze via een mechanisme dat kruisverwijzingstabellen wordt genoemd. De tweede methode, volledig herschrijven of opslaan als genoemd, leest het hele document in het geheugen, past alle wijzigingen toe en schrijft een volledig nieuw bestand, waarbij alle gegevens worden verwijderd waarnaar niet langer wordt verwezen.
De meeste PDF-editors gebruiken standaard incrementeel opslaan vanwege prestatieredenen. Het toevoegen van een paar kilobyte aan wijzigingen aan het einde van een bestand duurt een fractie van een seconde. Het helemaal opnieuw schrijven van een bestand van 50 megabyte duurt merkbaar langer, vooral op mechanische harde schijven of netwerkshares. De gebruikerservaring is beter met incrementeel opslaan: het opslaan gebeurt vrijwel onmiddellijk en het risico op corruptie door een onderbroken schrijfbewerking is lager omdat de originele gegevens nooit worden gewijzigd. Het nadeel is dat verwijderde inhoud niet daadwerkelijk wordt verwijderd. Het wordt in de kruisverwijzingstabel als ongebruikt gemarkeerd, maar blijft fysiek aanwezig in het bestand (Adobe, 'PDF Reference: Incremental Updates and Document Structure', 2023).
De accumulatie van zwevende gegevens over meerdere bewerkingssessies
Elke keer dat u een PDF opent, een wijziging aanbrengt en stapsgewijs opslaat, voegt u een nieuwe laag met wijzigingen toe aan het einde van het bestand. Na tien bewerkingssessies bevat het bestand de originele inhoud plus tien lagen met wijzigingen. Sommige van deze veranderingen kunnen tegenstrijdig zijn. Een afbeelding die in sessie drie is toegevoegd en in sessie zeven is verwijderd, neemt twee keer ruimte in het bestand in beslag: één keer voor de toevoeging en één keer voor de verwijderingsinstructie. Door de verwijdering wordt de door de toevoeging gebruikte ruimte niet teruggewonnen. Het vertelt de PDF-lezer alleen dat hij die afbeelding moet negeren bij het weergeven van het document.
Door deze opeenstapeling van verweesde gegevens wordt het bestand bij elke opslag groter, zelfs als de zichtbare inhoud kleiner wordt. Als u een grote afbeelding uit een PDF verwijdert en stapsgewijs opslaat, wordt de afbeelding uit de weergegeven uitvoer verwijderd, maar worden er enkele kilobytes aan metagegevens toegevoegd om de verwijdering vast te leggen. De afbeeldingsgegevens zelf blijven in het bestand staan, zonder verwijzingen, maar nemen wel ruimte in beslag. Gedurende vele bewerkingscycli kan een document dat begon bij 1 megabyte uitgroeien tot 3 of 4 megabyte, waarbij de helft van die grootte bestaat uit gegevens die niet langer bijdragen aan het zichtbare document.
Verborgen gegevenstypen die het verwijderen van inhoud overleven
Naast de voor de hand liggende verweesde afbeeldingen en pagina's, stapelen zich verschillende soorten verborgen gegevens op tijdens het incrementeel opslaan. Ingebedde lettertypen leveren een belangrijke bijdrage. Wanneer u tekst in een PDF bewerkt en het lettertype wijzigt, blijft de oorspronkelijke lettertypesubset vaak in het bestand staan, ook al wordt deze door geen enkele zichtbare tekst nog gebruikt. Een document dat drie keer opnieuw is opgemaakt met drie verschillende lettertypen, kan alle drie de lettertypesubsets bevatten, die elk honderden kilobytes in beslag nemen. De PDF-lezer gebruikt alleen de meest recentelijk genoemde subset, maar de oude blijven in de bestandsgegevens staan.
Metagegevens en documenteigenschappen volgen hetzelfde patroon. Elke stapsgewijze opslag kan de wijzigingsdatum bijwerken en nieuwe vermeldingen toevoegen aan de metagegevensstroom van het document. Oudere metagegevens worden niet verwijderd. Documentoverheadelementen zoals paginalabels, benoemde bestemmingen voor interne links en bladwijzerstructuren kunnen ook dubbele of verouderde vermeldingen verzamelen over meerdere opslagplaatsen. Het cumulatieve effect is dat een PDF die vele malen is bewerkt en opgeslagen een groeiende last aan verborgen gegevens met zich meedraagt die geen enkel doel dienen in de huidige versie van het document.
Bestandsgrootte terugwinnen na bewerking
De oplossing voor verzamelde verweesde gegevens is het volledig herschrijven van de PDF, wat de meeste toepassingen Opslaan als, Optimaliseren of Bestandsgrootte verkleinen noemen. Bij een volledige herschrijving wordt de huidige status van het document gelezen, inclusief alle incrementele updates, wordt de uiteindelijke zichtbare inhoud opgelost en wordt alleen die inhoud naar een nieuw bestand geschreven. Verweesde afbeeldingen, ongebruikte lettertypen, verouderde metagegevens en verouderde kruisverwijzingen worden allemaal weggegooid omdat er in de uiteindelijke documentstatus niet naar wordt verwezen. Het resulterende bestand is doorgaans kleiner dan het origineel, vooral als er tijdens het bewerken aanzienlijke inhoud is verwijderd.
De PDF bewerken-tool van WukongPDF verwerkt uw document efficiënt, en het opvolgen van bewerkingen met de compressiefunctie PDF-bestandsgrootte verwijdert verzamelde zwevende gegevens in één enkele handeling. De combinatie van bewerken en vervolgens opslaan met optimalisatie zorgt ervoor dat het bestand dat u met anderen deelt alleen de gegevens bevat die nodig zijn om de huidige versie van het document weer te geven. Voor documenten die veelvuldig worden bewerkt, voorkomt het volledig herschrijven van de bestanden tijdens de definitieve opslagroutine voordat ze worden gedeeld, gearchiveerd of geüpload, dat de bestandsgrootte zich gedurende de levenscyclus van het document ophoopt.
Preventieve praktijken om PDF-formaten onder controle te houden
Als u regelmatig een PDF bewerkt, zoals een wekelijks rapportsjabloon of een gezamenlijk beoordeeld document, plan dan een periodieke volledige herschrijving in plaats van uitsluitend te vertrouwen op incrementele opslag. Gebruik één keer per maand of na elke tiende bewerkingssessie Opslaan als of een gelijkwaardige optimalisatiefunctie om een schone kopie te maken. Bewaar het origineel totdat u controleert of de geoptimaliseerde kopie correct wordt geopend en alle inhoud wordt weergegeven zoals verwacht. Vervang vervolgens het origineel door de geoptimaliseerde versie. Deze praktijk houdt de bestandsgrootte beheersbaar zonder dat dit ten koste gaat van het gemak van snel incrementeel opslaan tijdens actieve bewerkingssessies.
Voor documenten die langdurig worden gearchiveerd, voert u een volledige herschrijving uit als laatste stap vóór archivering. Gearchiveerde documenten kunnen jaren blijven liggen voordat ze opnieuw worden geopend, en de incrementele updatestructuur die handig was tijdens actief bewerken wordt een probleem bij langdurige opslag. Een schoon bestand met een eenvoudige interne structuur zal minder snel compatibiliteitsproblemen met toekomstige PDF-lezers tegenkomen en is kleiner om op te slaan en er een back-up van te maken. De paar seconden die nodig zijn om een geoptimaliseerde kopie op te slaan voordat deze wordt gearchiveerd, zijn een waardevolle investering in de gezondheid van documenten op de lange termijn.
Herkennen wanneer de toename van de bestandsgrootte wijst op een dieper liggend probleem
Hoewel de meeste gevallen waarin de PDF-bestandsgrootte na bewerking toeneemt, worden verklaard door stapsgewijs opslaan en verweesde gegevens, kan een bestand dat dramatisch groeit na een enkele kleine bewerking op een ander probleem duiden. Het toevoegen van een tekstannotatie van één zin mag de bestandsgrootte niet met meerdere megabytes vergroten. Als u dit patroon ziet, bevat de PDF mogelijk structurele beschadigingen, waardoor bij het opslaan onbedoeld grote delen van het document worden gedupliceerd. In deze gevallen is een volledige herschrijving met behulp van de functie Opslaan als niet alleen een opschoonstap, maar een noodzakelijke reparatie. Als het geoptimaliseerde bestand aanzienlijk kleiner is, had het origineel aanzienlijke verborgen gegevens verzameld die nooit zouden worden teruggevorderd via normale incrementele opslagbewerkingen.
Regelmatige gebruikers van PDF's voor professioneel werk moeten een idee krijgen van wat een redelijke bestandsgrootte is voor hun typische documenten. Een pdf van twee pagina's met alleen tekst moet minder dan 100 kilobyte groot zijn. Een document van twintig pagina's met ingesloten afbeeldingen kan 2 tot 5 megabytes groot zijn. Wanneer een bestand deze normen voor zijn inhoudstype aanzienlijk overschrijdt, is het de moeite waard om dit te onderzoeken. Het bestand bevat mogelijk jaren aan verweesde gegevens uit incrementele opslag. Met één enkele PDF-optimalisatie-pas kunnen dergelijke bestanden vaak met vijftig procent of meer worden verminderd, waardoor opslagruimte wordt vrijgemaakt en de prestaties worden verbeterd wanneer het bestand wordt geopend, gedeeld of geüpload.
Het toenemende fenomeen van de bestandsgrootte leert ons een belangrijke les over hoe PDF's onder de motorkap werken. Wat een eenvoudig documentformaat lijkt, is in werkelijkheid een complexe container die bij elke bewerking verborgen geschiedenis kan verzamelen. Als u dit begrijpt, kunt u ander PDF-gedrag verklaren dat anders onverklaarbaar lijkt: waarom een PDF die vier pagina's weergeeft gegevens van zes kan bevatten, waarom een vandaag gewijzigd bestand een aanmaakdatum van drie jaar geleden kan vertonen, en waarom twee PDF's die er identiek uitzien dramatisch verschillende bestandsgroottes kunnen hebben. Het incrementele opslagmechanisme is geen fout. Het is een compromis in het ontwerp waarbij bewerkingssnelheid en gegevensveiligheid prioriteit krijgen boven opslagefficiëntie. Als u weet dat er een compromis bestaat, kunt u dit doelbewust beheren door middel van periodieke volledige herschrijvingen, waardoor uw documenten overzichtelijk en overzichtelijk blijven en op hun best blijven presteren.
De volgende keer dat u inhoud uit een PDF verwijdert en de bestandsgrootte ziet toenemen in plaats van afnemen, weet u precies wat er gebeurt. De verweesde gegevens uit uw bewerking zijn aan het bestand toegevoegd en een volledige herschrijving zal deze verwijderen. Wat ooit een verwarrend technisch mysterie was, wordt een routinematige onderhoudstaak.