优化与修复

PDF 压缩,在真实文件上测量

压缩建议通常写得好像每个 PDF 都是一样的。事实并非如此:文本报告和 150 dpi 扫描以完全不同的方式响应相同的设置。因此,我们针对三个生成的文档运行了附带的 Rifinit 引擎,并记下了实际结果。下面的每张图均来自 2026 年 11 月 10 日的实际运行,示例链接在最后,以便您可以重现它们。

测试是如何构建的

  • 文本 20 页 — 20 页 A4 普通正文,无图像。
  • 照片 5 页 — 五页,每页包含 1600×1200 类似照片的 JPEG 以及标题。
  • 扫描 10 页 — 十个纯图像页面,以 150 dpi 渲染并像扫描一样嵌入(无文本层)。

引擎路径是可移植构建:pypdf 和 PyMuPDF 重新编码图像。压缩以默认的 144 ppi 运行,除非一行另有说明。大小是整个输出文件,而不是每页。

每个级别实际节省了什么

样品 原创 低 中等 最佳
20页文本 15KB 11KB 11KB 11KB
5 张照片页 1,227 KB 185 KB 244KB 473 KB
10页扫描件 2,274 KB 953 KB 1,108 KB 1,794 KB

有两件事很突出。文本文档几乎没有移动(从 15 KB 到 11 KB),因为没有要重新编码的图像;压缩文本较多的 PDF 基本上是家务活。由于 JPEG 质量正在发挥作用,照片页面大小降至低时的六分之一(从 1,227 KB 降至 185 KB)。扫描介于两者之间,永远不会达到照片结果,因为每一页都是一个已经相当高效的大图像。

分辨率是更大的杠杆

在“中”下,仅更改目标分辨率:

样品 96 ppi 144 ppi 200 ppi
5 张照片页 117 KB 250 KB 442 KB
10页扫描件 609 KB 1,135 KB 1,234 KB
20页文本 12KB 12KB 12KB

对于扫描,从 200 ppi 下降到 96 ppi 几乎再次将文件削减了一半 - 比低/中质量转换的效果还要大。如果要在屏幕上阅读文档,分辨率是第一个要尝试的旋钮;选择文档中最小文本仍可读的最低 ppi。

将页面导出为图像

以该工具提供的三种分辨率导出的同一页面(文本示例的第 1 页,JPEG,质量 88):

  • 75 dpi — 621×877 像素, 68 KB
  • 150 dpi — 1,241×1,754 像素, 207 KB
  • 220dpi — 1,819×2,573 像素, 359 KB

对于纯屏幕预览,75 dpi 和三分之一的字节就足够了。对于任何要打印的内容,150 dpi 是实用的底线; 220 dpi 适用于小字体和细线,不适用于普通正文。

文本提取

20 页文本样本在测试机上在 0.066 秒内提取了 26,191 个字符。这个数字对于“PDF 到文本”工作流程很重要:成本主要取决于打开文档,而不是文字,因此较长的报告几乎与较短的报告花费相同的时间。

这个测试没有证明什么

这些是生成的文件,而不是实际工作中出现的尴尬文档:一侧有阴影的 40 MB 手机扫描件、带有彩色背景的表格、图像已经是质量 60 的 JPEG 的 PDF(无法通过重新编码来改进)。这些情况的范围比上表更宽,在两个方向上。该方法是概括性的:更改一项设置,测量文件,并在接受结果之前查看最小的文本。 打开压缩 PDF 在您自己的文件上尝试一下,或者 将页面导出为图像.

重现它

这三个样本由我们生成并免费下载: text-20-pages.pdf, photo-5-pages.pdf, scan-10-pages.pdf。构建它们并运行引擎的脚本位于项目存储库中,如下所示 tools/blog_benchmarks.py;它将原始数字写入 docs/benchmarks/latest.json.

从正在运行的应用程序

这些是已发布的 Rifinit 构建的捕获,而不是模型:压缩 PDF 要求什么以及它返回什么。本指南中的每个工作流程均在同一版本上进行检查。

sample-noise.pdf 的“压缩 PDF”面板:上传大小 4.0 MB,压缩后大小 527.1 KB · 缩小 87%,图像质量
设置质量、分辨率和要丢弃的内容
压缩 sample-noise.pdf 后的完成页面:527.1 KB · 比原始文件小 87%(4.0 MB)· 2 页 · 已删除
下载压缩的 PDF

亚历克斯·罗希德 — 编辑主管,Rifinit。 Alex Roshid 是 Rifinit 工程团队使用的编辑署名。此博客上的指南由维护 PDF 引擎、浏览器编辑器和 OCR 管道的人员编写和审核,并且每个工具声明在发布之前都会根据已发布的版本进行检查。 关于作者的更多信息 · 我们如何写作和评论.

打开压缩 PDF 阅读完整指南 浏览所有工具

标准和来源: PDF 解析和编写遵循开放 PDF 规范,记录在 国会图书馆格式注册表;界面如下 WCAG 2.2 (W3C)。 Rifinit 独立于这两个组织。

由 Rifinit 团队提供。 发表于 亚历克斯·罗希德 署名。我们在内部构建、测试和记录这些 PDF 工具:每份指南均由从事转换器、编辑器和 OCR 管道工作的工程师编写。 认识团队。阅读 我们如何写作和评论,我们的 隐私政策 和 条款。最后评论 .

关注Rifinit 脸书 领英 兴趣 红迪网