PDF 出乎意料地大是文档工作中最常见的问题之一。一页发票不应为 8 MB。两页的合同不应大于高分辨率照片。当这种情况发生时，几乎总是可以追溯到特定的原因——而且大多数都是可以修复的。
图像几乎总是答案
在绝大多数情况下，PDF 由于嵌入图像而较大。作为实际字符存储在 PDF 中的文本非常紧凑 — 100 页的文本文档可能不到 200 KB。一张 300 DPI 的整页照片本身可能有 3-5 MB。当 PDF 包含多个高分辨率图像时，每次扫描都会存储为照片，或者以打印质量嵌入设计软件中的图形，文件大小会迅速增大。
这就是为什么扫描文档是意外大 PDF 的最常见来源。扫描的每一页都存储为光栅图像 - 没有文本，没有矢量图形，只有像素。在应用任何压缩之前，300 DPI 的 10 页彩色扫描合同可以轻松达到 40-80 MB。
常见原因及其累积方式
下表涵盖了 PDF 最终大于预期的最常见原因、它们通常对文件大小的影响有多大，以及压缩是否可以解决这些问题。
| 原因 | 典型尺寸影响 | 可压缩？ | 最佳修复 |
|---|---|---|---|
| 高分辨率嵌入照片 | 非常大（可以占总数的 90% 以上） | 是的——戏剧性地 | PDF压缩工具 |
| 扫描页面（基于图像的 PDF） | 大（每页 2–10 MB） | 是的——很好 | OCR+压缩 |
| 完整嵌入字体（非子集） | 中等 (1–5 MB) | 部分 | PDF 优化器/字体子集 |
| 同一图像的多个副本 | 缓和 | 是的 | PDF 优化器/重复数据删除 |
| 未压缩的矢量图形 | 缓和 | 部分 | 从源头重新导出 |
| 元数据、缩略图、隐藏层 | 小（但累积） | 是的 | 清理/删除隐藏信息 |
在大多数现实情况下，图像和扫描页面占据了文件大小的大部分。使用PDF压缩工具通常可以解决问题，而无需深入研究不太常见的原因。
为什么扫描的 PDF 特别大
扫描仪默认采用针对图像质量而不是文件大小进行优化的设置。在进行任何 PDF 压缩之前，设置为 300 DPI 彩色的典型办公室扫描仪每页会生成大约 3-4 MB 的图像数据。在 600 DPI 下（有时用于精细文本或将被放大的文档），该数字会再次翻倍。大多数分辨率对于屏幕阅读来说是不必要的 - 150 DPI 在显示器上非常清晰，甚至 100 DPI 对于大多数参考文档来说也足够了。
在压缩之前通过 OCR 工具运行扫描的 PDF 会产生最佳结果。 OCR 向文档添加文本层，这意味着压缩工具可以对后台扫描应用更积极的图像压缩，同时文本通过文本层仍然完全可读。综合效果可以将 50 MB 的扫描文档减少到 5 MB 以下，而不会造成任何明显的可读性损失。
字体嵌入及其重要性
PDF 嵌入字体，以便无论查看者安装了哪种字体，文档看起来都相同。当完全嵌入字体时，将包含整个字体文件 - 包括文档实际未使用的所有字符、粗细和变体。单个完全嵌入的专业字体可以为文件添加 1–3 MB。
修复方法是字体子集化，即仅嵌入文档中实际使用的特定字符。仅使用拉丁字母的文档只需要完整 Unicode 字体文件的一小部分。 Adobe Acrobat Pro 的 PDF 优化器和 Ghostscript 都支持字体子集化。对于从 Word 或 Google Docs 导出的大多数文档，现代导出工具已经自动对字体进行子集化，但来自旧版软件或某些设计工具的 PDF 可能不会。
你不知道的隐藏内容
PDF 包含的内容通常超出屏幕上可见的内容。文档属性、作者信息、修订历史记录、注释、隐藏图层和嵌入缩略图都会影响文件大小，但在打开文档时不会显示。经过多个审阅周期的 PDF 可能会累积嵌入文件中的数十个修订快照。 Illustrator 或 InDesign 中的设计 PDF 有时包含来自源应用程序的完整编辑数据。
剥离这些隐藏元素称为清理或清理 PDF。 Acrobat Pro 的“删除隐藏信息”工具和文档属性清理器彻底解决了这个问题。一些在线压缩工具还会剥离元数据作为其优化的一部分 - 检查工具的描述进行确认。对于敏感文档，从隐私角度来看，在共享之前进行清理也是一种很好的做法。
如何修复大型 PDF
对于大多数超大 PDF，最快的解决方法是通过WukongPDF 的PDF 压缩 工具运行文件。上传文件，应用压缩，然后下载结果。对于图像较多的文档，这通常会在一分钟内将文件大小减少 60-85%。对于仅靠压缩还不够的文档（可能是因为 PDF 主要是文本和元数据），请考虑以下附加步骤：
- 转换为 Word、清理文档并重新导出为 PDF。这会从头开始重新生成文件，并且通常会产生比原始文件小得多的输出。
- 使用 Ghostscript 或 Acrobat 的 PDF 优化器并启用字体子集设置。
- 通过 Acrobat 的“删除隐藏信息”面板删除嵌入的缩略图和元数据。
- 对于扫描的 PDF：首先运行 OCR，然后压缩 - 组合方法比单独任一步骤提供更好的结果。
如果这些都不能充分减少文件大小，则文档可能只是包含大量压缩效果不佳的内容 - 详细的矢量插图、许多独特的高分辨率照片或在放入 PDF 之前已经严重压缩的内容。此时，唯一有意义的选择是减少内容本身，或接受文件大小并找到另一种传输方式（例如，云存储链接而不是电子邮件附件）。