PDF-pakkaus, mitattuna oikeilla tiedostoilla
Pakkausohjeet kirjoitetaan yleensä ikään kuin jokainen PDF olisi sama. Se ei ole: tekstiraportti ja 150 dpi:n skannaus vastaavat samaan asetukseen täysin eri tavoin. Joten käytimme toimitettua Rifinit-moottoria kolmea luotua asiakirjaa vastaan ja kirjoitimme ylös, mitä todella tuli ulos. Jokainen alla oleva kuva on todellisesta ajosta 10.11.2026, ja näytteet on linkitetty lopussa, jotta voit toistaa ne.
Kuinka testi rakennettiin
- tekstiä - 20 sivua — 20 A4-sivua tavallista leipätekstiä, ei kuvia.
- valokuva - 5-sivuinen — viisi sivua, joista jokaisella on 1600×1200 valokuvamainen JPEG sekä kuvateksti.
- skannaus - 10 sivua — kymmenen vain kuvasivua, renderöity 150 dpi:n tarkkuudella ja upotettu skannauksen tavoin (ei tekstikerrosta).
Moottorin polku on kannettava rakenne: pypdf, jossa PyMuPDF koodaa kuvat uudelleen. Pakkaus suoritettiin oletusarvollaan 144 ppi, ellei rivillä toisin sanota. Koot ovat koko tulostetiedostoa, ei sivua kohden.
Mitä kukin taso todella säästää
| Näyte | Alkuperäinen | Matala | Keskikokoinen | Paras |
|---|---|---|---|---|
| 20-sivuinen teksti | 15 kt | 11 kt | 11 kt | 11 kt |
| 5 valokuvasivua | 1 227 kt | 185 kt | 244 kt | 473 kt |
| 10 sivun skannaus | 2 274 kt | 953 kt | 1 108 kt | 1 794 kt |
Kaksi asiaa erottuu. Tekstiasiakirja tuskin liikkuu - 15 kt - 11 kt - koska uudelleenkoodattavia kuvia ei ole; tekstiä sisältävien PDF-tiedostojen pakkaaminen on enimmäkseen taloudenhoitoa. Valokuvasivut putoavat kuudenteen kokostaan alhaisella (185 kt 1 227 kt:sta), koska JPEG-laatu tekee työn. Skannaus osuu väliin eikä koskaan saavuta valokuvatulosta, koska jokainen sivu on yksi iso kuva, joka on jo melko tehokas.
Resoluutio on isompi vipu
Keskitasolla, vain tavoiteresoluution muuttaminen:
| Näyte | 96 ppi | 144 ppi | 200 ppi |
|---|---|---|---|
| 5 valokuvasivua | 117 kt | 250 kt | 442 kt |
| 10 sivun skannaus | 609 kt | 1 135 kt | 1 234 kt |
| 20-sivuinen teksti | 12 kt | 12 kt | 12 kt |
Skannauksissa 200 ppi:stä 96:een ppi leikkasi tiedoston lähes puoleen – enemmän kuin Low/Medium-laatukytkin teki. Jos asiakirjaa aiotaan lukea näytöllä, tarkkuus on ensimmäinen nuppi, jota kokeillaan. valitse pienin ppi, jolla asiakirjan pienin teksti on edelleen luettavissa.
Sivujen vienti kuvina
Sama sivu, joka on viety työkalun kolmella resoluutiolla (tekstinäytteen sivu 1, JPEG laadulla 88):
- 75 dpi — 621×877 px, 68 kt
- 150 dpi — 1 241 × 1 754 px, 207 kt
- 220 dpi — 1 819 × 2 573 px, 359 kt
Pelkän näytön esikatseluun riittää 75 dpi ja kolmasosa tavuista. Kaikelle tulostettavalle 150 dpi on käytännöllinen lattia; 220 dpi on tarkoitettu pienikokoisille ja hienoille säännöille, ei tavalliselle leipätekstille.
Tekstin poiminta
20-sivuinen tekstinäyte poimi 26 191 merkkiä 0,066 sekunnissa testikoneella. Tällä numerolla on merkitystä "PDF:stä tekstiksi" -työnkulussa: kustannuksia hallitsee asiakirjan avaaminen, eivät sanat, joten pidempi raportti kestää melkein yhtä kauan kuin lyhyt.
Mitä tämä testi ei todista
Nämä ovat luotuja tiedostoja, eivät todellisessa työssä saapuvia hankalia asiakirjoja: 40 Mt:n puhelinskannaus, jonka toisella puolella on varjo, lomake, jossa on sävytetty tausta, PDF, jonka kuvat ovat jo JPEG-laadulla 60 (jota ei voi parantaa koodaamalla uudelleen). Näissä tapauksissa alue on leveämpi kuin yllä oleva taulukko molempiin suuntiin. Menetelmä on se, joka yleistää: muuta yhtä asetusta, mittaa tiedosto ja katso pienintä tekstiä ennen kuin hyväksyt tuloksen. Avaa Pakkaa PDF kokeillaksesi sitä omassa tiedostossasi tai viedä sivu kuvana.
Toista se
Luomme kolme näytettä ja ne ovat ladattavissa ilmaiseksi: text-20-pages.pdf, photo-5-pages.pdf, scan-10-pages.pdf. Skripti, joka rakensi ne ja käytti moottoria, on projektin arkistossa nimellä tools/blog_benchmarks.py; se kirjoittaa raakaluvut docs/benchmarks/latest.json.
Käynnissä olevasta sovelluksesta
Nämä ovat kaappauksia toimitetusta Rifinit-koontiversiosta, eivät malleja: mitä Pakkaa PDF pyytää ja mitä se palauttaa. Jokainen tämän oppaan työnkulku tarkastettiin samalla koontiversiolla.

