Неожиданно большой PDF-файл — одна из самых распространенных проблем при работе с документами. Одностраничный счет не должен занимать 8 МБ. Двухстраничный контракт не должен быть больше фотографии с высоким разрешением. Когда это происходит, это почти всегда связано с конкретной причиной — и большинство из них можно устранить.
Изображения почти всегда являются ответом
В подавляющем большинстве случаев PDF-файл имеет большой размер из-за встроенных изображений. Текст, хранящийся в виде реальных символов в PDF-файле, чрезвычайно компактен — текстовый документ на 100 страниц может весить менее 200 КБ. Одна полностраничная фотография с разрешением 300 DPI сама по себе может занимать 3–5 МБ. Когда PDF-файл содержит несколько изображений с высоким разрешением, каждое сканированное изображение сохраняется как фотография или графика из программного обеспечения для проектирования встраивается с качеством печати, размеры файлов быстро увеличиваются.
Вот почему отсканированные документы являются наиболее распространенным источником неожиданно больших PDF-файлов. Каждая страница отсканированного изображения сохраняется в виде растрового изображения — нет ни текста, ни векторной графики, только пиксели. Отсканированный в цвете контракт на 10 страниц с разрешением 300 точек на дюйм может легко достигать размера 40–80 МБ без применения какого-либо сжатия.
Распространенные причины и их совокупность
В таблице ниже описаны наиболее частые причины, по которым PDF-файл оказывается больше ожидаемого, как они обычно влияют на размер файла и может ли сжатие решить эту проблему.
| Причина | Влияние на типичный размер | Сжимаемый? | Наилучшее исправление |
|---|---|---|---|
| Встроенные фотографии высокого разрешения | Очень большой (может составлять 90%+ от общего количества) | Да, кардинально | Инструмент сжатия PDF-файлов |
| Отсканированные страницы (PDF на основе изображений) | Большой (2–10 МБ на страницу) | Да — очень хорошо | OCR + сжатие |
| Полноценные встроенные шрифты (не подмножество) | Умеренный (1–5 МБ) | Частично | Оптимизатор PDF/поднастройка шрифта |
| Несколько копий одного и того же изображения | Умеренный | Да | Оптимизатор PDF/дедубликат |
| Несжатая векторная графика | Умеренный | Частично | Реэкспорт из источника |
| Метаданные, миниатюры, скрытые слои | Небольшой (но накопительный) | Да | Обеззараживать/удалять скрытую информацию |
В большинстве реальных случаев львиную долю размера файла составляют изображения и отсканированные страницы. Обращение к тем, кто использует инструмент PDF Compression, обычно решает проблему без необходимости вникать в менее распространенные причины.
Почему отсканированные PDF-файлы особенно велики
По умолчанию в сканерах используются настройки, оптимизированные для качества изображения, а не размера файла. Типичный офисный сканер с разрешением 300 точек на дюйм в цвете создает около 3–4 МБ данных изображения на страницу без сжатия PDF. При разрешении 600 точек на дюйм (иногда используется для мелкого текста или документов, которые будут увеличены) это значение снова удваивается. Большая часть этого разрешения не требуется для чтения с экрана — 150 DPI — это идеальная четкость на мониторе, и даже 100 DPI достаточно для большинства справочных документов.
Запуск отсканированного PDF-файла с помощью инструмента OCR перед сжатием дает наилучшие результаты. OCR добавляет в документ текстовый слой, что означает, что инструмент сжатия может затем применить более агрессивное сжатие изображения к фоновому сканированию, в то время как текст остается прекрасно читаемым через текстовый слой. Комбинированный эффект может уменьшить размер отсканированного документа размером 50 МБ до менее 5 МБ без заметной потери читаемости.
Встраивание шрифтов и почему это важно
В PDF-файлы встроены шрифты, поэтому документ выглядит одинаково независимо от того, какие шрифты установлены в средстве просмотра. Когда шрифт встроен полностью, включается весь файл шрифта, включая все символы, толщину и варианты, которые фактически не используются в документе. Один полноценный профессиональный шрифт может добавить к файлу 1–3 МБ.
Исправление — это подмножество шрифтов, в которое внедряются только определенные символы, фактически используемые в документе. Для документа, использующего только латинский алфавит, требуется лишь небольшая часть полного файла шрифта Unicode. PDF Optimizer и Ghostscript Adobe Acrobat Pro поддерживают поднабор шрифтов. Для большинства документов, экспортированных из Word или Google Docs, современные инструменты экспорта уже автоматически подставляют шрифты, но PDF-файлы из старого программного обеспечения или некоторых инструментов дизайна могут этого не делать.
Скрытый контент, о существовании которого вы не знаете
PDF-файлы часто содержат больше, чем видно на экране. Свойства документа, информация об авторе, история изменений, комментарии, скрытые слои и встроенные миниатюры — все это влияет на размер файла, но не отображается при открытии документа. PDF-файл, прошедший несколько циклов проверки, мог накопить десятки снимков версий, встроенных в файл. PDF-файлы дизайна из Illustrator или InDesign иногда включают в себя полные данные редактирования из исходного приложения.
Удаление этих скрытых элементов называется очисткой PDF-файла. Инструмент «Удалить скрытую информацию» Acrobat Pro и очиститель свойств документа тщательно справляются с этой задачей. Некоторые онлайн-инструменты сжатия также удаляют метаданные в рамках оптимизации — для подтверждения проверьте описание инструмента. Для конфиденциальных документов обработка перед отправкой также является хорошей практикой с точки зрения конфиденциальности.
Как исправить большой PDF-файл
Для большинства PDF-файлов большого размера самый быстрый способ исправить это — запустить файл с помощью инструмента PDF Compression WukongPDF. Загрузите файл, примените сжатие и загрузите результат. Для документов с большим количеством изображений это обычно уменьшает размер файла на 60–85% менее чем за минуту. Для документов, где одного сжатия недостаточно (возможно, потому, что PDF-файл состоит в основном из текста и метаданных), рассмотрите следующие дополнительные шаги:
- Преобразуйте в Word, очистите документ и повторно экспортируйте его в PDF. Это восстанавливает файл с нуля и часто дает значительно меньший результат, чем оригинал.
- Используйте Ghostscript или Acrobat PDF Optimizer с включенной поднастройкой шрифтов.
- Удалите встроенные миниатюры и метаданные с помощью панели «Удалить скрытую информацию» в Acrobat.
- Для отсканированных PDF-файлов: сначала запустите OCR, а затем сожмите — комбинированный подход дает значительно лучшие результаты, чем любой из этих шагов по отдельности.
Если ни один из этих способов не уменьшает файл в достаточной степени, документ может просто содержать много контента, который плохо сжимается — подробные векторные иллюстрации, множество уникальных фотографий с высоким разрешением или контент, который уже был сильно сжат перед помещением в PDF. На этом этапе единственный значимый вариант — уменьшить сам контент или принять размер файла и найти другой способ его передачи (например, ссылку на облачное хранилище, а не вложение электронной почты).