Optimalizálás és javítás

PDF tömörítés, valós fájlokon mérve

A tömörítési tanácsokat általában úgy írják le, mintha minden PDF-fájl egyforma lenne. Nem az: egy szöveges jelentés és egy 150 dpi-s szkennelés teljesen eltérő módon reagál ugyanarra a beállításra. Így a szállított Rifinit motort három generált dokumentumon futtattuk, és felírtuk, hogy mi jött ki valójában. Az alábbi ábrák egy valós, 2026. november 10-i futtatásból származnak, és a minták a végén találhatók, így reprodukálhatók.

Hogyan épült fel a teszt

  • szöveg – 20 oldal — 20 A4-es oldal normál törzsszöveg, képek nélkül.
  • fotó-5 oldalas - öt oldal, egyenként 1600 × 1200-as fotószerű JPEG képpel és felirattal.
  • 10 oldalas beolvasás — tíz, csak képet tartalmazó oldal, 150 dpi-vel renderelve, szkennelésszerűen beágyazva (nincs szöveges réteg).

A motor elérési útja a hordozható build: pypdf a képeket újrakódoló PyMuPDF-fel. A tömörítés az alapértelmezett 144 ppi-n futott, hacsak egy sor mást nem ír. A méretek a teljes kimeneti fájlra vonatkoznak, nem oldalanként.

Amit az egyes szintek valójában megtakarítanak

Minta Eredeti Alacsony Közepes Legjobb
20 oldalas szöveg 15 KB 11 KB 11 KB 11 KB
5 fénykép oldal 1227 KB 185 KB 244 KB 473 KB
10 oldalas szkennelés 2274 KB 953 KB 1108 KB 1794 KB

Két dolog kiemelkedik. A szöveges dokumentum alig mozog – 15 KB és 11 KB között –, mert nincsenek újrakódolható képek; a sok szöveget tartalmazó PDF-ek tömörítése többnyire háztartási feladat. A fotóoldalak méretük hatodára csökkennek alacsonynál (185 KB 1227 KB-ról), mert a JPEG minőség elvégzi a munkát. A szkennelés közben landol, és soha nem éri el a fényképes eredményt, mert minden oldal egy nagy kép, amely már elég hatékony.

A felbontás a nagyobb kar

Közepesnél, csak a célfelbontás módosítása:

Minta 96 ppi 144 ppi 200 ppi
5 fénykép oldal 117 KB 250 KB 442 KB
10 oldalas szkennelés 609 KB 1135 KB 1234 KB
20 oldalas szöveg 12 KB 12 KB 12 KB

A szkenneléseknél a 200 ppi-ről 96 ppi-re való csökkenés ismét csaknem felére csökkenti a fájlt – többet, mint az alacsony/közepes minőség kapcsoló. Ha egy dokumentumot a képernyőn kívánnak beolvasni, a felbontás az első gomb, amelyet meg kell próbálni; válassza ki a legalacsonyabb ppi-t, amelynél a dokumentum legkisebb szövege még olvasható.

Oldalak exportálása képként

Ugyanaz az oldal, amelyet az eszköz által kínált három felbontással exportáltunk (a szövegminta 1. oldala, JPEG 88-as minőségben):

  • 75 dpi — 621×877 px, 68 KB
  • 150 dpi — 1241×1754 px, 207 KB
  • 220 dpi — 1819×2573 px, 359 KB

A csak képernyős előnézethez elegendő a 75 dpi és a bájtok egyharmada. Bármire, amit nyomtatni fognak, a 150 dpi a praktikus padló; A 220 dpi a kis betűs és finom szabályokhoz való, nem pedig a szokásos törzsszövegekhez.

Szövegkivonás

A 20 oldalas szövegminta 0,066 másodperc alatt 26 191 karaktert nyert ki a tesztgépen. Ez a szám számít a „PDF-ből szöveggé” munkafolyamat esetében: a költségeket a dokumentum megnyitása uralja, nem a szavak, így egy hosszabb jelentés majdnem ugyanannyi időt vesz igénybe, mint egy rövid.

Amit ez a teszt nem bizonyít

Ezek generált fájlok, nem pedig a valós munkában beérkező kínos dokumentumok: egy 40 MB-os telefonos szkennelés árnyékkal az egyik oldalon, egy nyomtatvány színezett háttérrel, egy PDF, amelynek képei már JPEG 60-as minőségben (amit nem lehet újrakódolással javítani). Ezek azok az esetek, amikor a tartomány mindkét irányban szélesebb, mint a fenti táblázat. A módszer az, ami általánosít: módosítson egy beállítást, mérje meg a fájlt, és nézze meg a legkisebb szöveget, mielőtt elfogadja az eredményt. Nyissa meg a PDF tömörítése kipróbálni a saját fájlon, ill exportáljon egy oldalt képként.

Reprodukálja azt

A három mintát mi hoztuk létre, és ingyenesen letölthető: text-20-pages.pdf, photo-5-pages.pdf, scan-10-pages.pdf. A szkript, amely felépítette és futtatta a motort, a projekttárban található, mint tools/blog_benchmarks.py; kiírja a nyers számokat docs/benchmarks/latest.json.

A futó alkalmazásból

Ezek a szállított Rifinit build rögzítései, nem makettek: mit kér a Compress PDF, és mit ad vissza. Ebben az útmutatóban minden munkafolyamatot ugyanazon a builden ellenőriztek.

A PDF tömörítése panel a sample-noise.pdf-hez: Feltöltött méret 4,0 MB, tömörített méret 527,1 KB · 87%-kal kisebb, Képminőség
Állítsa be a minőséget, a felbontást és az eldobandó tartalmat
A kész oldal a sample-noise.pdf tömörítése után: 527,1 KB · 87%-kal kisebb az eredetinél (4,0 MB) · 2 oldal · törölve
Töltse le a tömörített PDF-et

Alex Roshid — Szerkesztői vezetés, Rifinit. Alex Roshid a Rifinit mérnöki csapata által használt szerkesztői oldal. Az ezen a blogon található útmutatókat a PDF-motort, a böngészőszerkesztőt és az OCR-folyamatot karbantartó személyek írják és tekintik át, és minden eszközigényt összevetnek a szállított összeállítással, mielőtt közzéteszik azt. Bővebben a szerzőről · Hogyan írunk és értékelünk.

Nyissa meg a PDF tömörítése Olvassa el a teljes útmutatót Böngésszen az összes eszközön

Szabványok és források: A PDF-elemzés és -írás a nyílt PDF-specifikációt követi, a dokumentumban dokumentálva Library of Congress formátumú nyilvántartása; a felület következik WCAG 2.2 (W3C). Rifinit független mindkét szervezettől.

A Rifinit csapattól. alatt jelent meg Alex Roshid byline. Ezeket a PDF-eszközöket házon belül készítjük, teszteljük és dokumentáljuk: minden útmutatót ugyanazok a mérnökök írnak, akik a konvertereken, a szerkesztőn és az OCR folyamaton dolgoznak. Ismerje meg a csapatot. Olvassa el hogyan írunk és áttekintünk, a miénk adatvédelmi szabályzat és feltételeket. Utoljára felülvizsgálva .

Kövesse Rifinit Facebook LinkedIn Pinterest Reddit