Почему мой PDF такой большой?
Поищите в интернете — и все результаты дадут один ответ: изображения. Совет не ошибочен, но порядок неверен, а неверный порядок отправляет людей не к тому инструменту.
Поэтому мы измерили, а не предположили. Мы разобрали 22 общедоступных документа — 1726 страниц налоговых форм, научных статей, отчётов ведомств и текстов стандартов — на уровне объектов и посчитали, к какой категории относится каждый байт. Одиннадцать из двадцати двух не содержат ни одного изображения.
Как это сделать
- Сначала посчитайте МБ на страницу. Разделите размер файла на число страниц. Больше ~1 МБ на страницу указывает на изображения; заметно меньше — на шрифты, формы или структуру.
- Откройте подходящий инструмент. Сжатие для файлов с изображениями — в браузере, без загрузки на сервер.
- Сожмите или задайте целевой размер. Выберите уровень либо введите точный размер, который требует портал.
- Сравните перед сохранением. Предпросмотр показывает качество при 100 %. Для цветного скана Ч/Б документа сначала попробуйте оттенки серого.
Короткий ответ зависит от того, насколько файл уже велик
Мы разбили документы на три диапазона по размеру и взяли медиану каждой категории. Медиану, а не среднее: один-единственный файл на 6 МБ с обилием изображений сам по себе искажает среднее.
| Размер файла | Док. | Изображения | Шрифты | Содержимое | Поля форм | Структура |
|---|---|---|---|---|---|---|
| Меньше 250 КБ | 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 % |
| Больше 1 МБ | 8 | 26,0 % | 6,7 % | 29,3 % | 1,1 % | 10,3 % |
Выше 1 МБ общепринятое мнение верно: преобладают изображения. Ниже 1 МБ байты находятся совсем в другом месте — во встроенных шрифтах, в командах отрисовки и в том, о чём почти не пишут: в определениях полей форм.
Причина 1 — разрешение сканирования (для больших файлов по-прежнему главная)
Телефоны и офисные сканеры по умолчанию сканируют с разрешением 300–600 dpi в цвете. Одна страница A4 при 600 dpi в цвете — это примерно 35-мегапиксельное изображение. Для чтения с экрана достаточно 150 dpi; для архивирования текста оттенки серого уменьшают размер ещё вдвое. Это единственный случай, когда стандартный совет абсолютно верен, и наши данные согласны: у документов, где преобладают изображения, доля достигала 85–89 %.
| Размер документа | Доля изображений |
|---|---|
| 6,6 МБ | 89,0 % |
| 751 КБ | 85,0 % |
| 3,6 МБ | 70,9 % |
| 1,5 МБ | 60,1 % |
| 6,5 МБ | 31,2 % |
Решение: пропустите файл через «Сжать». Изображения скана перекодируются в разрешении документа, а не сенсора. Скан на 40 МБ обычно уменьшается до 2–4 МБ; если портал требует жёсткий лимит, задайте целевой размер вместо уровня качества.
Причина 2 — встроенные шрифты, молчаливое большинство
В диапазоне 250 КБ – 1 МБ медианная доля шрифтов составляет 52,2 %. На краях нашей выборки она превышает 85 %: почти весь файл — это не текст, который вы читаете, а программы шрифтов, которые его рисуют.
| Размер документа | Доля шрифтов |
|---|---|
| 664 КБ | 87,6 % |
| 821 КБ | 85,4 % |
| 158 КБ | 71,2 % |
| 359 КБ | 65,3 % |
| 185 КБ | 53,8 % |
Причина — отсутствующее или частичное создание подмножества (subsetting). PDF встраивает используемые шрифты; хороший генератор встраивает только те глифы, которые действительно встречаются. Плохой — или шаблон, подгружающий каждое начертание отдельно — встраивает весь набор символов, по разу на вариант. Пять семейств на четыре начертания дают двадцать встроенных программ шрифтов, и ни одна не сожмётся сильнее, потому что файлы шрифтов уже сжаты.
Причина 3 — поля форм, нагрузка, которую никто не считает
Каждое поле, каждый флажок и каждый выпадающий список в заполняемой форме живёт в файле как объект-словарь: положение, тип, значение по умолчанию, поток внешнего вида, правило проверки. Это не потоки, поэтому их не трогает ни один компрессор — и не учитывает ни одно руководство.
| Документ | Аннотации | Доля |
|---|---|---|
| Налоговая декларация | 229 | 26,8 % |
| Информационная форма | 124 | 24,7 % |
| Руководство (142 страницы) | 2958 | 21,3 % |
| Приложение к декларации | 275 | 21,2 % |
| Короткая форма | 85 | 19,2 % |
Четверть налоговой формы — это лишь определения полей, которые вам предстоит заполнить. Напрашивается вывод, что «сведение» формы — удаление этих определений после заполнения — вернёт четверть файла. Мы измерили и это: не вернёт.
| Поля | До | После | Изменение |
|---|---|---|---|
| 199 | 215 КБ | 327 КБ | +52 % больше |
| 105 | 120 КБ | 170 КБ | +42 % больше |
| 116 | 822 КБ | 874 КБ | +6 % больше |
| 29 | 664 КБ | 670 КБ | +1 % больше |
| 1 | 2360 КБ | 2075 КБ | −12 % меньше |
Причина 4 — фотографии и снимки экрана, вставленные в исходном размере
Отчёт с пятью фотографиями с телефона встраивает пять 12-мегапиксельных оригиналов, даже если каждый показан размером с почтовую марку: страница показывает маленькую версию, а файл несёт большую. Снимки экрана хуже в одном конкретном смысле — это PNG, без потерь и большие, а на экране Retina или 4K один полноэкранный снимок имеет ширину 4000 пикселей.
Сжатие перекодирует изображения в том размере, в котором они действительно показываются; поэтому отчёты с обилием фотографий и презентации со множеством снимков экрана регулярно уменьшаются на 80–90 % без видимой разницы при обычном чтении.
Какой случай ваш? Таблица решений
Сначала разделите размер файла на число страниц — одно это число сразу сужает круг.
| Что у вас | Главная причина | Что действительно помогает |
|---|---|---|
| Больше ~1 МБ на страницу, страницы похожи на фотографии | Изображения | Сжать; оттенки серого для Ч/Б сканов |
| Заполненная форма | Поля форм | Сведение фиксирует её, но не уменьшает |
| Текстовый отчёт, 250 КБ – 1 МБ | Встроенные шрифты | Пересохранить; меньше шрифтов |
| Сотни страниц обычного текста | Потоки содержимого | Уже близко к оптимуму — лучше разделить |
| Маленький файл, мало страниц, без изображений | Структура и поля | Пересохранить через перезаписывающий редактор |
Всё это работает в вашем браузере в Haven PDF. Слишком большой файл не нужно никуда загружать, чтобы он стал меньше — конфиденциальный договор остаётся на вашем компьютере, пока вы его уменьшаете.
Как мы измеряли и что это не доказывает
Мы прошли каждый документ на уровне графа объектов и отнесли каждый поток к категории по его исходной длине — по месту, которое он реально занимает в файле. Изображения-XObject и потоки с фильтрами JPEG, JPX, CCITT или JBIG2 считаются изображениями; потоки, на которые ссылаются через FontFile, FontFile2 или FontFile3, — шрифтами; остальное — содержимое. Байты вне учтённых потоков отнесены к структурным накладным расходам, из которых отделены словари форм и аннотаций.
Частые вопросы
- Мой PDF — только текст, и всё равно огромный. Почему?
- Скорее всего, встроенные шрифты. По нашим измерениям у текстовых документов от 250 КБ до 1 МБ медианная доля шрифтов составляла 52 %, а в худшем случае 88 %. Сжатие изображений до этого не добирается; помогает повторный экспорт через редактор, который перезаписывает файл.
- Текст станет размытым после сжатия?
- Настоящий текст — набранный, а не отсканированный — сжатие изображений не затрагивает, он остаётся чётким при любом масштабе. В скане текст является частью изображения, поэтому он затрагивается; средние уровни обычно оставляют его хорошо читаемым.
- Почему сжатие почти не изменило файл?
- Почти наверняка потому, что сжимать было нечего. Одиннадцать из двадцати двух измеренных документов не содержат изображений. Проверьте МБ на страницу: заметно меньше 1 МБ на страницу обычно означает шрифты, поля форм или структуру.
- Сведение формы действительно так много экономит?
- Нет — мы проверили. Определения полей составляют 19–27 % таких файлов, но сведение девяти из них сделало медианный файл примерно на 6 % БОЛЬШЕ, а в худшем случае на 52 %. Сводите, чтобы зафиксировать форму, а не чтобы уменьшить её.
- Есть ли безопасный максимум сжатия?
- Пользуйтесь предпросмотром: сожмите, посмотрите на насыщенную страницу при 100 % и усиливайте только если она по-прежнему хорошо читается. При заданном целевом размере инструмент сам подберёт наилучшее подходящее качество.
Источники
- ISO 32000-2:2020 — Управление документами: Portable Document Format — Нормативное определение структуры объектов, фильтров потоков и словарей полей AcroForm.
- PDF 1.7 Reference (Adobe; содержание совпадает с ISO 32000-1) — Встраивание шрифтов (§9.9), изображения-XObject (§8.9), аннотации (§12.5).
- Выборка: формы и публикации IRS, статьи arXiv, отчёты госорганов — Только общедоступные для скачивания документы. Личные или частные файлы не использовались.