Dlaczego mój PDF jest taki duży?
Poszukaj w sieci, a każdy wynik da tę samą odpowiedź: obrazy. Rada nie jest błędna, ale kolejność owszem — a zła kolejność wysyła ludzi do niewłaściwego narzędzia.
Zmierzyliśmy więc zamiast zgadywać. Rozłożyliśmy 22 publicznie dostępne dokumenty — 1726 stron formularzy podatkowych, artykułów naukowych, raportów urzędów i tekstów normatywnych — na poziomie obiektów i policzyliśmy, do której kategorii należy każdy bajt. Jedenaście z dwudziestu dwóch nie zawiera żadnego obrazu.
Jak to zrobić
- Najpierw sprawdź MB na stronę. Podziel rozmiar pliku przez liczbę stron. Powyżej ~1 MB na stronę wskazuje na obrazy; znacznie poniżej — na czcionki, formularze lub strukturę.
- Otwórz właściwe narzędzie. Kompresja dla plików bogatych w obrazy — w przeglądarce, bez wysyłania.
- Skompresuj albo podaj rozmiar docelowy. Wybierz poziom lub wpisz dokładny rozmiar wymagany przez portal.
- Porównaj przed zatwierdzeniem. Podgląd pokazuje jakość przy 100 %. Przy kolorowym skanie dokumentu cz.-b. spróbuj najpierw skali szarości.
Krótka odpowiedź zależy od tego, jak duży plik już jest
Podzieliliśmy dokumenty na trzy przedziały wielkości i wzięliśmy medianę każdej kategorii. Medianę zamiast średniej, bo jeden plik 6 MB pełen obrazów sam potrafi zaburzyć średnią.
| Wielkość pliku | Dok. | Obrazy | Czcionki | Treść | Pola | Struktura |
|---|---|---|---|---|---|---|
| Poniżej 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 % |
| Powyżej 1 MB | 8 | 26,0 % | 6,7 % | 29,3 % | 1,1 % | 10,3 % |
Powyżej 1 MB potoczne przekonanie się broni: dominują obrazy. Poniżej 1 MB bajty są zupełnie gdzie indziej — w osadzonych czcionkach, w instrukcjach rysowania i w czymś, o czym prawie żaden poradnik nie wspomina: w definicjach pól formularzy.
Przyczyna 1 — rozdzielczość skanowania (przy dużych plikach nadal główna)
Telefony i skanery biurowe domyślnie skanują w 300–600 dpi w kolorze. Pojedyncza strona A4 w 600 dpi w kolorze to z grubsza obraz 35-megapikselowy. Do czytania na ekranie wystarczy 150 dpi; przy archiwizacji tekstu skala szarości zmniejsza rozmiar jeszcze o połowę. To jedyny przypadek, w którym standardowa rada jest dokładnie trafna — i nasze dane to potwierdzają: dokumenty zdominowane przez obrazy osiągały 85–89 %.
| Wielkość dokumentu | Udział obrazów |
|---|---|
| 6,6 MB | 89,0 % |
| 751 KB | 85,0 % |
| 3,6 MB | 70,9 % |
| 1,5 MB | 60,1 % |
| 6,5 MB | 31,2 % |
Rozwiązanie: przepuść plik przez Kompresuj. Obrazy skanu są kodowane ponownie w rozdzielczości dokumentu, a nie matrycy. Skan 40 MB zwykle schodzi do 2–4 MB; jeśli portal narzuca twardy limit, podaj rozmiar docelowy zamiast poziomu jakości.
Przyczyna 2 — osadzone czcionki, cicha większość
W przedziale 250 KB – 1 MB mediana udziału czcionek wynosi 52,2 %. Na krańcach naszego zbioru przekracza 85 %: niemal cały plik to nie tekst, który czytasz, lecz programy czcionek, które go rysują.
| Wielkość dokumentu | Udział czcionek |
|---|---|
| 664 KB | 87,6 % |
| 821 KB | 85,4 % |
| 158 KB | 71,2 % |
| 359 KB | 65,3 % |
| 185 KB | 53,8 % |
Przyczyną jest brak lub połowiczne tworzenie podzbioru (subsetting). PDF osadza używane czcionki; dobry generator osadza tylko te glify, które faktycznie występują. Zły — albo szablon ładujący każdą odmianę osobno — osadza cały zestaw znaków, raz na wariant. Pięć rodzin razy cztery odmiany daje dwadzieścia osadzonych programów czcionek, a żaden nie skurczy się bardziej, bo pliki czcionek są już skompresowane.
Przyczyna 3 — pola formularzy, balast, którego nikt nie liczy
Każde pole, każdy checkbox i każda lista rozwijana w wypełnialnym formularzu żyje w pliku jako obiekt słownikowy: położenie, typ, wartość domyślna, strumień wyglądu, reguła walidacji. To nie są strumienie, więc żaden kompresor ich nie rusza — i żaden poradnik ich nie liczy.
| Dokument | Adnotacje | Udział |
|---|---|---|
| Zeznanie podatkowe | 229 | 26,8 % |
| Formularz informacyjny | 124 | 24,7 % |
| Przewodnik (142 strony) | 2958 | 21,3 % |
| Załącznik do zeznania | 275 | 21,2 % |
| Krótki formularz | 85 | 19,2 % |
Jedna czwarta formularza podatkowego to nic innego jak definicje pól, które masz wypełnić. Kusi wniosek, że spłaszczenie formularza — usunięcie tych definicji po wypełnieniu — odzyska jedną czwartą pliku. To też zmierzyliśmy: nie odzyskuje.
| Pola | Przed | Po | Zmiana |
|---|---|---|---|
| 199 | 215 KB | 327 KB | +52 % większy |
| 105 | 120 KB | 170 KB | +42 % większy |
| 116 | 822 KB | 874 KB | +6 % większy |
| 29 | 664 KB | 670 KB | +1 % większy |
| 1 | 2360 KB | 2075 KB | −12 % mniejszy |
Przyczyna 4 — zdjęcia i zrzuty ekranu wklejone w oryginalnym rozmiarze
Raport z pięcioma zdjęciami z telefonu osadza pięć 12-megapikselowych oryginałów, nawet jeśli każde jest pokazane wielkości znaczka: strona pokazuje małą wersję, a plik niesie dużą. Zrzuty ekranu są gorsze w jednym konkretnym sensie — to pliki PNG, bezstratne i duże, a na ekranie Retina lub 4K jeden zrzut pełnoekranowy ma 4000 pikseli szerokości.
Kompresja koduje obrazy ponownie w rozmiarze, w jakim są faktycznie wyświetlane; dlatego raporty pełne zdjęć i prezentacje pełne zrzutów rutynowo chudną o 80–90 % bez widocznej różnicy przy rozmiarze do czytania.
Który to twój przypadek? Tabela decyzyjna
Najpierw podziel rozmiar pliku przez liczbę stron — ta jedna liczba od razu zawęża pole.
| Co masz | Główna przyczyna | Co naprawdę pomaga |
|---|---|---|
| Powyżej ~1 MB na stronę, strony wyglądają jak zdjęcia | Obrazy | Kompresja; skala szarości dla skanów cz.-b. |
| Wypełniony formularz | Pola formularzy | Spłaszczenie blokuje go, ale nie zmniejsza |
| Raport wyłącznie tekstowy, 250 KB – 1 MB | Osadzone czcionki | Ponowny eksport; mniej krojów |
| Setki stron zwykłego tekstu | Strumienie treści | Już blisko optimum — lepiej podzielić |
| Mały plik, mało stron, bez obrazów | Struktura i pola | Eksport przez edytor przepisujący plik |
To wszystko działa w twojej przeglądarce w Haven PDF. Zbyt duży plik nie musi być nigdzie wysyłany, żeby zmaleć — poufna umowa zostaje na twoim komputerze, kiedy ją zmniejszasz.
Kompresuj PDF · Skala szarości
Jak mierzyliśmy i czego to nie dowodzi
Przeszliśmy każdy dokument na poziomie grafu obiektów i przypisaliśmy każdy strumień do kategorii według jego surowej długości — miejsca, które faktycznie zajmuje w pliku. Obrazowe XObject i strumienie z filtrami JPEG, JPX, CCITT lub JBIG2 liczą się jako obrazy; strumienie wskazywane przez FontFile, FontFile2 lub FontFile3 jako czcionki; reszta to treść. Bajty poza policzonymi strumieniami potraktowano jako narzut strukturalny, z którego wydzielono słowniki formularzy i adnotacji.
Najczęstsze pytania
- Mój PDF to sam tekst, a i tak jest ogromny — dlaczego?
- Najprawdopodobniej osadzone czcionki. W naszych pomiarach dokumenty tekstowe od 250 KB do 1 MB miały medianę udziału czcionek 52 %, a najgorszy przypadek 88 %. Kompresja obrazów tam nie sięga; pomaga ponowny eksport przez edytor przepisujący plik.
- Czy kompresja rozmyje tekst?
- Prawdziwy tekst — wpisany, nie zeskanowany — pozostaje nietknięty przez kompresję obrazów i zachowuje ostrość przy każdym powiększeniu. W skanie tekst jest częścią obrazu, więc jest objęty kompresją; średnie poziomy zwykle utrzymują go dobrze czytelnym.
- Dlaczego kompresja prawie nic nie zmieniła?
- Prawie na pewno dlatego, że nie było czego kompresować. Jedenaście z dwudziestu dwóch zmierzonych dokumentów nie zawiera żadnych obrazów. Sprawdź MB na stronę: znacznie poniżej 1 MB na stronę zwykle oznacza czcionki, pola formularzy albo strukturę.
- Czy spłaszczenie formularza naprawdę tyle oszczędza?
- Nie — sprawdziliśmy. Definicje pól to 19–27 % tych plików, ale spłaszczenie dziewięciu z nich sprawiło, że medianowy plik urósł o około 6 %, a najgorszy przypadek o 52 %. Spłaszczaj, by zablokować formularz, nie by go zmniejszyć.
- Czy istnieje bezpieczna maksymalna kompresja?
- Korzystaj z podglądu: skompresuj, obejrzyj gęstą stronę przy 100 % i zwiększaj tylko wtedy, gdy nadal czyta się ją wygodnie. Przy rozmiarze docelowym narzędzie samo dobierze najlepszą mieszczącą się jakość.
Źródła
- ISO 32000-2:2020 — Zarządzanie dokumentami: Portable Document Format — Normatywna definicja struktury obiektów, filtrów strumieni i słowników pól AcroForm.
- PDF 1.7 Reference (Adobe; treść zgodna z ISO 32000-1) — Osadzanie czcionek (§9.9), obrazowe XObject (§8.9), adnotacje (§12.5).
- Zbiór: formularze i publikacje IRS, artykuły arXiv, raporty urzędów — Wyłącznie dokumenty publicznie dostępne do pobrania. Nie użyto żadnych plików osobistych ani prywatnych.