PDFはなぜこんなに大きいのか？
検索すると、どの結果も同じ答えを返します——画像です。その助言は間違いではありませんが、順序が違います。そして順序を誤ると、人は間違ったツールへ導かれます。
そこで推測せずに計測しました。公開されている22件の文書——税務フォーム、学術論文、官庁報告書、規格文書からなる1,726ページ——をオブジェクト単位で分解し、各バイトがどの分類に属するかを数えました。22件のうち11件には画像が1つもありません。
使い方
- まず1ページあたりのMBを確認. ファイルサイズをページ数で割ります。1ページ約1 MB超なら画像、大きく下回るならフォント・フォーム・構造を示します。
- 該当するツールを開く. 画像の多いファイルには圧縮を。ブラウザー内で、アップロードなしに動きます。
- 圧縮する、または目標サイズを指定する. レベルを選ぶか、提出先が要求する正確なサイズを入力します。
- 確定前に見比べる. プレビューは100%で品質を示します。白黒文書のカラースキャンなら、まずグレースケールを試してください。
短い答えは、そのファイルがすでにどれだけ大きいかで変わります
文書を3つのサイズ帯に分け、各分類の中央値をとりました。平均ではなく中央値を使うのは、画像だらけの6 MBの外れ値1件だけで平均が歪むからです。
| ファイルサイズ | 文書数 | 画像 | フォント | コンテンツ | フォーム | 構造 |
|---|---|---|---|---|---|---|
| 250 KB 未満 | 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% |
| 1 MB 超 | 8 | 26.0% | 6.7% | 29.3% | 1.1% | 10.3% |
1 MB を超えると通説は正しく、画像が支配的です。1 MB 未満ではバイトはまったく別の場所——埋め込みフォント、描画命令、そしてほとんどの解説が触れないもの、すなわちフォームフィールドの定義——にあります。
原因1 — スキャン解像度（大きなファイルでは依然として最大の要因）
スマートフォンやオフィス用スキャナーは既定でカラー300〜600 dpiで取り込みます。600 dpiカラーのA4一枚は、おおよそ3,500万画素の画像に相当します。画面で読むなら150 dpiで十分で、テキストの保管ならグレースケールでさらに半減します。一般的な助言が正確に当てはまる唯一のケースであり、私たちのデータも一致します。画像が支配的な文書では85〜89%に達しました。
| 文書サイズ | 画像の割合 |
|---|---|
| 6.6 MB | 89.0% |
| 751 KB | 85.0% |
| 3.6 MB | 70.9% |
| 1.5 MB | 60.1% |
| 6.5 MB | 31.2% |
対処：ファイルを「圧縮」に通します。スキャン画像はセンサー解像度ではなく文書解像度で再符号化されます。40 MBのスキャンは通常2〜4 MBになります。提出先が厳密な上限を課す場合は、品質レベルではなく目標サイズを指定してください。
原因2 — 埋め込みフォント、静かな多数派
250 KB〜1 MB の帯では、フォントの割合の中央値は52.2%です。今回の集合の極端な例では85%を超えます。ファイルのほとんどは、あなたが読む文字ではなく、その文字を描くフォントプログラムなのです。
| 文書サイズ | フォントの割合 |
|---|---|
| 664 KB | 87.6% |
| 821 KB | 85.4% |
| 158 KB | 71.2% |
| 359 KB | 65.3% |
| 185 KB | 53.8% |
原因はサブセット化の欠如または不完全さです。PDFは使用するフォントを埋め込みますが、良い生成器は実際に現れる字形だけを埋め込みます。粗い生成器や、各ウェイトを個別に読み込むテンプレートは、文字セット全体をバリアントごとに埋め込みます。5書体×4ウェイトで20個の埋め込みフォントプログラムとなり、フォントファイルはすでに圧縮済みなのでこれ以上縮みません。
原因3 — フォームフィールド、誰も数えない重み
記入可能なフォームの各入力欄、チェックボックス、ドロップダウンは、ファイル内で辞書オブジェクトとして存在します。位置、種類、既定値、外観ストリーム、検証規則。これらはストリームではないため、どの圧縮ツールも触れず、どの解説も数えません。
| 文書 | 注釈数 | 割合 |
|---|---|---|
| 確定申告フォーム | 229 | 26.8% |
| 情報フォーム | 124 | 24.7% |
| 手引き（142ページ） | 2,958 | 21.3% |
| 申告付表 | 275 | 21.2% |
| 短縮フォーム | 85 | 19.2% |
税務フォームの4分の1は、あなたが記入すべき欄の定義にすぎません。ならばフォームを「フラット化」して——記入後にその定義を捨てて——ファイルの4分の1を取り戻せる、と考えたくなります。それも計測しました。取り戻せません。
| フィールド | 前 | 後 | 変化 |
|---|---|---|---|
| 199 | 215 KB | 327 KB | +52% 増加 |
| 105 | 120 KB | 170 KB | +42% 増加 |
| 116 | 822 KB | 874 KB | +6% 増加 |
| 29 | 664 KB | 670 KB | +1% 増加 |
| 1 | 2,360 KB | 2,075 KB | −12% 減少 |
原因4 — 原寸のまま貼られた写真とスクリーンショット
スマートフォンの写真を5枚含む報告書は、たとえ切手大で表示されていても1,200万画素の原本を5枚埋め込みます。ページは小さい方を見せ、ファイルは大きい方を運ぶのです。スクリーンショットはある一点でさらに厄介です。PNGであり、可逆で大きく、RetinaやDisplayや4K画面では全画面1枚が横4,000ピクセルにもなります。
圧縮は画像を実際に表示されるサイズで再符号化します。写真の多い報告書やスクリーンショットだらけの資料が、読むサイズでは見分けがつかないまま80〜90%縮むのはこのためです。
あなたの場合はどれか——判断表
まずファイルサイズをページ数で割ってください。この一つの数字で候補は一気に絞られます。
| 状況 | 主な原因 | 実際に効くこと |
|---|---|---|
| 1ページあたり約1 MB超、ページが写真のよう | 画像 | 圧縮。白黒スキャンならグレースケール |
| 記入済みの入力フォーム | フォームフィールド | フラット化は固定するが、小さくはしない |
| 本文だけの報告書、250 KB〜1 MB | 埋め込みフォント | 再出力する。書体を減らす |
| 数百ページの素のテキスト | コンテンツストリーム | すでにほぼ最適——分割する方が理にかなう |
| 小さいファイル、少ないページ、画像なし | 構造とフォーム | 書き直すエディターで再出力 |
これらはすべて Haven PDF のブラウザー内で動きます。大きすぎるファイルを小さくするために、どこかへアップロードする必要はありません。つまり機密の契約書は、縮めているあいだもあなたの端末に留まります。
どのように計測したか、そしてこれが証明しないこと
各文書をオブジェクトグラフの水準でたどり、すべてのストリームを生の長さ——ファイル内で実際に占める場所——で分類しました。画像XObjectおよびJPEG・JPX・CCITT・JBIG2フィルターを持つストリームは画像、FontFile／FontFile2／FontFile3から参照されるストリームはフォント、残りはコンテンツです。数えたストリーム以外のバイトは構造的オーバーヘッドとして扱い、そこからフォームと注釈の辞書を切り分けました。
よくある質問
- PDFが文字だけなのに巨大です。なぜ？
- ほぼ確実に埋め込みフォントです。私たちの計測では、250 KB〜1 MBのテキスト文書のフォント割合の中央値は52%、最悪の例は88%でした。画像圧縮はそこに届きません。ファイルを書き直すエディターで再出力すると効果があります。
- 圧縮すると文字がぼやけますか？
- 本物の文字——スキャンではなく入力されたもの——は画像圧縮の影響を受けず、どの倍率でも輪郭を保ちます。スキャンでは文字が画像の一部なので影響を受けますが、中程度のレベルなら通常は十分読めます。
- 圧縮してもほとんど変わりませんでした。なぜ？
- ほぼ確実に、圧縮すべき画像がなかったからです。計測した22件のうち11件には画像が1つもありません。1ページあたりのMBを確認してください。1 MBを大きく下回るなら、たいていフォント・フォームフィールド・構造です。
- フォームのフラット化はそんなに効くのですか？
- いいえ——確かめました。フィールド定義はそれらのファイルの19〜27%を占めますが、9件をフラット化したところ中央値で約6%大きくなり、最悪の例では52%増えました。フラット化はフォームを固定するためであって、小さくするためではありません。
- 安全な最大圧縮はありますか？
- プレビューを使ってください。圧縮し、文字の詰まったページを100%で確認し、まだ楽に読めるときだけ強めます。目標サイズを指定すれば、収まる範囲で最良の品質をツールが自動的に選びます。
出典
- ISO 32000-2:2020 — 文書管理：Portable Document Format — オブジェクト構造、ストリームフィルター、AcroFormフィールド辞書の規範的定義。
- PDF 1.7 Reference（Adobe。ISO 32000-1と同内容） — フォント埋め込み（§9.9）、画像XObject（§8.9）、注釈（§12.5）。
- 対象集合：IRSのフォームと刊行物、arXiv論文、公的機関の報告書 — すべて一般に配布されている文書です。個人的・非公開のファイルは使用していません。