PDF 压缩的两种做法，差在有没有理解页面结构

PDF 压缩有两种做法，产物完全不是一回事。一种压完你还能选中文字、点得开链接；另一种压完只剩一沓图片，体积是小了，文档也废了一半。区别不在压缩参数，在它有没有真的去理解页面结构。

两条路径，产物完全不同

第一条：整页栅格化。 把每一页渲染成一张图片，再把这些图片打包成新的 PDF。实现简单，体积降得也猛。代价是文字层、矢量图形、超链接、书签全部消失——你拿到的是一本图册，不再是文档。搜不到字就是这么来的。

第二条：只动内嵌位图。 解析 PDF 结构，找出真正撑体积的那些图（扫描页、照片、截图），逐张重新编码，页面尺寸、文字、矢量、链接原样不动。

一份 PDF 里，文字和矢量本身很小，字体通常几十到几百 KB，真正把文件撑到几兆几十兆的几乎总是内嵌位图。所以第二条路径能拿到的压缩空间，跟第一条差不了多少，但文档还是文档。

关键判断：这张图到底该不该缩

不是所有内嵌图都需要降采样。判断依据是有效 DPI——图片的像素数，除以它在页面上实际占的物理尺寸。

同一张 2400 像素宽的图，铺满整页和缩成一个角标，需要的分辨率完全不同。前者降下去会糊，后者留着纯属浪费。

我拿那份 4 页图文报告实测，工具报出来的原图有效 DPI 是 359×452。

注意这是两个数：横向 359、纵向 452。图片放进页面时可能被非等比缩放，横纵方向的有效 DPI 因此不一样。只按一个方向判断，要么缩过头、要么白留像素。

四档实测

同一份文件跑四个档位，横纵有效 DPI 都是 359×452，差别在降采样的目标：

档位	结果体积	降幅	内嵌图重编码	降采样到	质量
屏幕 / 邮件 72 dpi	98 KB	−98.7%	4/4 张	481×255	q82
电子书 150 dpi	560 KB	−92.5%	4/4 张	1003×531	q88
打印 300 dpi	3.08 MB	−57.7%	4/4 张	2400×1062	q92
无损结构	7.27 MB	−0.1%	0/4 张	不动像素	—

无损结构那档最能说明问题：一张图都没重编码，体积几乎没变，但它仍然清理了 4 项未使用资源、重压并合并了 4 条结构流。这说明「结构优化」和「图片降采样」是两件独立的事——前者永远无损，后者才是体积大头。

每张图的处理决策也是分别做的，不是一刀切。工具会给出每张图的原始体积、重编码后体积、有效 DPI 和最终质量参数。

压完到底有没有被压坏

这是我最关心的一步。光看体积降了多少没意义，得验证文档语义还在不在。

三个档位的产物，逐个用 PDF 解析库回读：

	原文件	72 dpi	150 dpi	300 dpi
页数	4	4 ✓	4 ✓	4 ✓
可提取文字	2723 字符	2723 ✓	2723 ✓	2723 ✓
链接注解	4 个	4 ✓	4 ✓	4 ✓
页面框	595.3×841.9	一致 ✓	一致 ✓	一致 ✓

压到只剩原来 1.3% 体积的那一档，文字一个字符都没少，链接全部存活，页面框分毫不差。

顺带一提，处理流程本身也是可见的：解析结构 → 逐张重编码内嵌图 → 回收对象并写出 → 回读校验页面。最后那步是它自己做的验证，跟我在外面用解析库做的是一回事。

哪些情况压不动，得先知道

纯文字排版的 PDF 几乎没有空间。 我拿一份 6 页纯文字的文件测，37 KB 压完 33 KB，只省 11%——它内嵌图 0 张，能优化的只有结构流和未用资源。所以论文、合同这类纯文字文档别指望压缩率，它的体积本来就不在图片上。

加密或有权限保护的 PDF 要先解除保护，否则解析不了。

数字签名的 PDF 一经重写签名就会失效，这个是结构性的，任何重写工具都一样。

有些图片格式动不了：JPEG 2000、JBIG2、CCITT 传真、CMYK 印刷 JPEG，以及需要完整色彩管理的图片，浏览器没法可靠地等价重编码，只能原样保留。

最后

判断一个 PDF 压缩工具靠不靠谱，不用看它宣传的压缩率，压完之后做三件事就够了：全文搜一个词、点一下里面的链接、看看页数对不对。三样都在，才叫压缩；少了任何一样，那是把文档降级了。

我用的是图映（imging.cn）的 PDF 压缩，全程在浏览器本地跑——F12 开着 Network 面板压完整个流程，没有一个上传请求。这类文档很多时候是合同、报表、证件材料，能不出设备是有意义的。

利益相关：这个工具是我参与做的。文中所有数字都是写这篇时实测跑出来的，测试方法和验证方式都写在上面，可以自己复现。