¿Por qué mi PDF pesa tanto?
Búscalo en la web y todos los resultados dan la misma respuesta: las imágenes. El consejo no es falso, pero el orden sí lo es, y un orden equivocado lleva a la gente a la herramienta equivocada.
Así que medimos en lugar de suponer. Descompusimos 22 documentos de acceso público —1.726 páginas de formularios fiscales, artículos académicos, informes de organismos y textos normativos— a nivel de objeto y contamos a qué categoría pertenece cada byte. Once de los veintidós no contienen ninguna imagen.
Cómo hacerlo
- Comprueba primero los MB por página. Divide el tamaño del archivo entre el número de páginas. Más de ~1 MB por página apunta a imágenes; muy por debajo, a fuentes, formularios o estructura.
- Abre la herramienta adecuada. Comprimir para archivos con muchas imágenes: en tu navegador, sin subir nada.
- Comprime o indica un tamaño objetivo. Elige un nivel o escribe el tamaño exacto que exige un portal.
- Compara antes de confirmar. La vista previa muestra la calidad al 100 %. Si es un escaneo en color de un documento en B/N, prueba primero la escala de grises.
La respuesta corta depende de lo que ya pese el archivo
Agrupamos los documentos en tres tramos de tamaño y tomamos la mediana de cada categoría. Mediana en lugar de media, porque un solo archivo de 6 MB cargado de imágenes distorsiona una media por sí solo.
| Tamaño | Doc. | Imágenes | Fuentes | Contenido | Campos | Estructura |
|---|---|---|---|---|---|---|
| Menos de 250 KB | 8 | 0,0 % | 11,6 % | 43,3 % | 12,8 % | 19,7 % |
| 250 KB – 1 MB | 6 | 0,0 % | 52,2 % | 14,9 % | 2,8 % | 5,3 % |
| Más de 1 MB | 8 | 26,0 % | 6,7 % | 29,3 % | 1,1 % | 10,3 % |
Por encima de 1 MB la creencia común se sostiene: dominan las imágenes. Por debajo de 1 MB los bytes están en otro sitio: en las fuentes incrustadas, en las instrucciones de dibujo y en algo que casi ninguna guía menciona: las definiciones de los campos de formulario.
Causa 1 — la resolución de escaneo (sigue siendo la principal en archivos grandes)
Los móviles y los escáneres de oficina escanean por defecto a 300–600 ppp en color. Una sola página A4 a 600 ppp en color equivale aproximadamente a una imagen de 35 megapíxeles. Para leer en pantalla bastan 150 ppp; para archivar texto, la escala de grises la reduce otra vez a la mitad. Es el único caso en que el consejo habitual es exactamente correcto, y nuestros datos coinciden: los documentos dominados por imágenes llegaron al 85–89 %.
| Tamaño del documento | Proporción de imágenes |
|---|---|
| 6,6 MB | 89,0 % |
| 751 KB | 85,0 % |
| 3,6 MB | 70,9 % |
| 1,5 MB | 60,1 % |
| 6,5 MB | 31,2 % |
Solución: pasa el archivo por Comprimir. Las imágenes del escaneo se vuelven a codificar a la resolución del documento en lugar de la del sensor. Un escaneo de 40 MB suele quedar en 2–4 MB; si un portal impone un límite estricto, indica el tamaño objetivo en vez de un nivel de calidad.
Causa 2 — las fuentes incrustadas, la mayoría silenciosa
En el tramo de 250 KB – 1 MB la proporción mediana de fuentes es del 52,2 %. En los extremos de nuestro conjunto supera el 85 %: casi todo el archivo no es el texto que lees, sino los programas de fuente que lo dibujan.
| Tamaño del documento | Proporción de fuentes |
|---|---|
| 664 KB | 87,6 % |
| 821 KB | 85,4 % |
| 158 KB | 71,2 % |
| 359 KB | 65,3 % |
| 185 KB | 53,8 % |
La causa es un subconjunto (subsetting) ausente o parcial. Un PDF incrusta las fuentes que usa; un buen generador incrusta solo los glifos que realmente aparecen. Uno malo —o una plantilla que carga cada grosor por separado— incrusta todo el juego de caracteres, una vez por variante. Cinco familias por cuatro grosores son veinte programas de fuente incrustados, y ninguno se comprime más porque los archivos de fuente ya lo están.
Causa 3 — los campos de formulario, el lastre que nadie cuenta
Cada casilla, cada casilla de verificación y cada desplegable de un formulario rellenable vive en el archivo como un objeto diccionario: posición, tipo, valor por defecto, flujo de apariencia, regla de validación. No son flujos, así que ningún compresor los toca, y ninguna guía los cuenta.
| Documento | Anotaciones | Proporción |
|---|---|---|
| Declaración fiscal | 229 | 26,8 % |
| Formulario informativo | 124 | 24,7 % |
| Guía (142 páginas) | 2.958 | 21,3 % |
| Anexo de declaración | 275 | 21,2 % |
| Formulario breve | 85 | 19,2 % |
Una cuarta parte de un formulario fiscal no es más que la definición de las casillas que debes rellenar. Es tentador concluir que aplanar el formulario —descartar esas definiciones una vez relleno— recupera una cuarta parte del archivo. También lo medimos: no lo hace.
| Campos | Antes | Después | Cambio |
|---|---|---|---|
| 199 | 215 KB | 327 KB | +52 % más grande |
| 105 | 120 KB | 170 KB | +42 % más grande |
| 116 | 822 KB | 874 KB | +6 % más grande |
| 29 | 664 KB | 670 KB | +1 % más grande |
| 1 | 2.360 KB | 2.075 KB | −12 % más pequeño |
Causa 4 — fotos y capturas pegadas a tamaño original
Un informe con cinco fotos de móvil incrusta cinco originales de 12 megapíxeles aunque cada uno se muestre del tamaño de un sello: la página enseña la versión pequeña, el archivo carga la grande. Las capturas de pantalla son peores en un sentido concreto: son PNG, sin pérdida y grandes, y en una pantalla Retina o 4K una captura a pantalla completa mide 4.000 píxeles de ancho.
La compresión vuelve a codificar las imágenes al tamaño en que realmente se muestran; por eso los informes con muchas fotos y las presentaciones llenas de capturas suelen reducirse un 80–90 % sin diferencia visible al tamaño de lectura.
¿Cuál es tu caso? Una tabla de decisión
Divide primero el tamaño del archivo entre el número de páginas: ese único número acota el problema de inmediato.
| Lo que tienes | Causa dominante | Lo que de verdad ayuda |
|---|---|---|
| Más de ~1 MB por página, páginas que parecen fotos | Imágenes | Comprimir; escala de grises en escaneos B/N |
| Un formulario ya relleno | Campos de formulario | Aplanar lo fija, pero no lo reduce |
| Informe solo de texto, 200 KB – 1 MB | Fuentes incrustadas | Reexportar; usar menos fuentes |
| Cientos de páginas de texto | Flujos de contenido | Ya cerca del óptimo: mejor dividir |
| Archivo pequeño, pocas páginas, sin imágenes | Estructura y campos | Reexportar con un editor que reescriba |
Todo esto se ejecuta en tu navegador con Haven PDF. Un archivo demasiado grande no tiene que subirse a ningún sitio para reducirse, así que un contrato confidencial permanece en tu equipo mientras lo comprimes.
Comprimir PDF · Escala de grises
Cómo lo medimos y qué no demuestra esto
Recorrimos cada documento a nivel del grafo de objetos y asignamos cada flujo a una categoría según su longitud bruta: el espacio que ocupa realmente en el archivo. Los XObject de imagen y los flujos con filtros JPEG, JPX, CCITT o JBIG2 cuentan como imágenes; los flujos referenciados mediante FontFile, FontFile2 o FontFile3, como fuentes; el resto es contenido. Los bytes fuera de los flujos contados se trataron como sobrecarga estructural, de la que se separaron los diccionarios de formulario y anotación.
Preguntas frecuentes
- Mi PDF es solo texto y aun así es enorme, ¿por qué?
- Lo más probable son las fuentes incrustadas. En nuestras mediciones, los documentos de texto entre 250 KB y 1 MB tenían una proporción mediana de fuentes del 52 %, con un peor caso del 88 %. La compresión de imágenes no llega ahí; reexportar con un editor que reescriba el archivo sí ayuda.
- ¿La compresión hace que el texto se vea borroso?
- El texto real —escrito, no escaneado— no se ve afectado por la compresión de imágenes y se mantiene nítido a cualquier zoom. En un escaneo el texto forma parte de la imagen, así que sí se ve afectado; los niveles medios suelen mantenerlo bien legible.
- ¿Por qué la compresión apenas cambió mi archivo?
- Casi con seguridad porque no había imágenes que comprimir. Once de los veintidós documentos que medimos no contienen ninguna. Mira los MB por página: muy por debajo de 1 MB por página, los bytes suelen estar en fuentes, campos o estructura.
- ¿Aplanar un formulario ahorra realmente tanto?
- No, y lo comprobamos. Las definiciones de campos son el 19–27 % de esos archivos, pero aplanar nueve de ellos hizo que el archivo mediano fuera un 6 % MÁS GRANDE, con un peor caso de un 52 % más. Aplana para fijar un formulario, no para reducirlo.
- ¿Existe una compresión máxima segura?
- Usa la vista previa: comprime, mira una página densa al 100 % y sube el nivel solo si sigue siendo cómodamente legible. Con un tamaño objetivo, la herramienta elige automáticamente la mejor calidad que encaja.
Fuentes
- ISO 32000-2:2020 — Gestión de documentos: Portable Document Format — Definición normativa de la estructura de objetos, los filtros de flujo y los diccionarios de campos AcroForm.
- PDF 1.7 Reference (Adobe; mismo contenido que ISO 32000-1) — Incrustación de fuentes (§9.9), XObjects de imagen (§8.9), anotaciones (§12.5).
- Conjunto: formularios y publicaciones del IRS, artículos de arXiv, informes de organismos públicos — Solo documentos de descarga pública. No se usó ningún archivo personal o privado.