历史档案包含几十年前文档的扫描 PDF。 20 年代的手写账本。 20 世纪 50 年代打字的信件。 20 世纪 40 年代的剪报。这些文档通常以高分辨率进行扫描，以保留每个细节，并保存为 PDF。文件很大，因为每一页都是高分辨率图像。使用标准设置压缩它们可能会丢失使它们具有历史价值的细节。专门为了存档保存而压缩它们可以减小文件大小，同时保护文档的完整性。
压缩历史扫描的存档 PDF 需要将细节保留优先于最大尺寸缩小的设置。压缩不得使手写纹理变得平滑、打字字符模糊或丢失历史学家用于验证的纸张纹理。
历史档案的 PDF 压缩在减小文件大小和保留赋予文档证据价值的视觉特征之间取得了平衡。
历史文档的压缩设置
尽可能对图像使用无损压缩。如果需要对文件大小进行有损压缩，请使用最高质量设置，通常为 90% 或更高。目标分辨率为 300 DPI，可保留精细细节，同时减少 600 DPI 扫描的文件大小。请勿应用对比度增强或锐化，否则会改变原件的视觉特征。
保存档案元数据
档案扫描通常携带有关扫描过程、原始文档位置和档案机构的元数据。在压缩期间保留此元数据。元数据是档案记录的一部分。
WukongPDF 压缩可以处理扫描的档案。历史文档的扫描 PDF压缩需要优先考虑保存的保守设置。
首先在示例页面上测试压缩
在压缩整个历史存档之前，请在一个代表性页面上进行测试。将压缩输出与高变焦下的原始输出进行比较。验证是否保留了精细细节、笔迹纹理和纸张纹理。
针对历史文档的 PDF 压缩示例测试可防止整个存档出现不可逆转的质量损失。
创建未压缩的档案母版
始终保留未压缩的原始扫描作为存档主文件。压缩版本是供日常使用的访问副本。这些母版被保存起来，以便将来使用更好的技术进行再处理。
扫描 PDF母版和访问副本模型是存档标准。大师们都保存下来了。使用访问副本。
历史文档档案的元数据标准
历史档案应使用标准化元数据模式，例如 Dublin Core 或 MARC。元数据描述文档来源、日期、主题和存档位置。
PDF Archive 元数据标准支持跨机构发现和引用历史文档。
为不可替代的文档选择无损压缩
历史文献往往是独一无二的。扫描件可能是唯一幸存的副本。无损压缩保证不会丢弃任何数据。文件大小的减少比有损压缩要小，但保存保证是绝对的。
对于独特的历史文档，PDF 压缩无损选择是不容协商的。无论节省多少存储空间，都不能证明丢弃不可替代的数据是合理的。
在档案元数据中记录压缩方法，以便未来的档案管理员知道对文件做了什么。
处理单个存档中的混合单色和彩色页面
装订册可能包含黑白文本页和彩色插图版。使用 CCITT Group 4 压缩方式压缩单色页面，使用无损 JPEG2000 压缩彩色页面。对同一文档中的不同页面应用不同的压缩。
扫描 PDF混合内容压缩单独优化每种页面类型，而不是将一种设置应用于所有页面。
使用支持混合内容存档文档的每页压缩设置的压缩工具。
创建多个质量级别的访问副本
创建存档的三个版本：用于保存的无损母版、用于研究人员的高质量访问副本以及用于目录浏览的压缩缩略图版本。每个版本都有不同的目的。
PDF Archive 多版本方法满足保存、研究访问和发现的需求。
将主文件存储在与访问副本不同的位置。即使访问副本丢失或损坏，主设备也应该存活。
使用 PDF/A 标准进行档案压缩
PDF/A 需要嵌入字体，禁止外部依赖，并强制要求独立的文档。将历史扫描压缩为 PDF/A 格式，以确保它们在数十年内保持可渲染状态。
历史档案的 PDF 压缩 PDF/A 合规性将文件大小减小与格式寿命结合起来。
使用 PDF/A 验证器验证压缩后的 PDF/A 合规性。声明为 PDF/A 但未通过验证的文件对未来的可读性提供了错误的保证。
资助并优先考虑历史文献数字化
压缩是数字化管道中的最后一步，包括扫描、元数据创建、质量控制和归档存储。根据历史意义、物理恶化风险和研究需求对文件进行优先排序。
PDF Tools 压缩步骤是更大的归档工作流程的一部分。压缩所投入的时间和资源应与所保存文档的价值成正比。
按文档的物理状况优先扫描
应首先对物理状况不佳的文件进行数字化，因为它们进一步恶化的风险最高。这些文档的压缩设置应该是最保守的，因为可能无法重新扫描。
对于易碎文档，PDF 压缩的优先级是保存而不是减小文件大小。
创建压缩日志以进行存档管理
在日志中记录每个压缩操作。记录原始文件大小、压缩设置、生成的文件大小和日期。该日志使未来的档案管理员能够了解对每个文件做了什么。
扫描的 PDF压缩日志是保存存档处理历史记录的元数据记录。
使用众包验证历史文档的 OCR 质量
具有异常字体或降级文本的历史文档受益于众包 OCR 验证。志愿者将 OCR 输出与原始扫描进行比较并标记错误。这些更正提高了档案的可搜索性。
全球主要历史档案馆和图书馆都采用 PDF Archive 众包方法来提高 OCR 质量。
处理无法重新扫描的易碎原稿
有些历史文献太脆弱，无法多次扫描。现有的扫描件是唯一的数字副本。压缩必须是绝对无损的。原始扫描文件必须与压缩版本一起保存。
针对易碎原件的PDF 压缩 将保存优先于所有其他考虑因素。
为存档目录创建缩略图
从压缩存档 PDF 生成缩略图以供目录浏览。缩略图允许研究人员在下载完整文件之前预览文档。
扫描的 PDF缩略图生成支持存档发现和访问。
长期数字保存的资助模式
数字档案需要持续的资金来存储、迁移和访问。在开始大规模数字化之前建立可持续的融资模式。存储上的压缩节省是总保存成本的一部分。
PDF Archive可持续发展规划确保子孙后代仍可以访问压缩的数字文档。