10MB 听起来像是一本厚厚的书。实际上多半不是。典型的 10MB PDF 里只有一两张整页图片——扫描件、手机拍的照片、全分辨率导出的截图——外加薄薄一层文字和字体。
字节都藏在哪
PDF 本质上是一袋对象:文字、字体、图片、元数据,还有一张索引全部对象的交叉引用表。压缩工具只能处理自己看得懂的部分。对浏览器里的压缩器来说,账目大致是这样的:
| PDF 里有什么 | 对象流压缩能做到什么 |
|---|---|
| 标题、作者、生成器、日期 | 完全清掉 |
| 交叉引用表、小对象 | 打包进压缩的对象流 |
| 内嵌图片(扫描、照片) | 原封不动,一个字节都不碰 |
| 字体与正文 | 只重排结构,不重新编码 |
最后一行就是全部真相。如果 10MB 是一份扫描合同,那 9.8MB 的图片数据压完还是 9.8MB。
这个压缩工具具体做了什么
PDF 压缩工具在浏览器里用 pdf-lib 打开文件,不上传任何内容。它会清除文档元数据(标题、作者、主题、关键词、生成器、创建者),把创建和修改日期归零,再用对象流方式重新保存。这两步是真的,但效果有限——通常只省下几十到几百 KB。
它还会拒绝带密码的 PDF,遇到打不开的文件,先解锁再试。
5% 判断法
压缩完看一眼显示的节省比例。如果只降了 2%–5%,说明重量全在图片上,任何元数据技巧都救不了。真正的办法在上游:扫描时用 150–200 DPI 而不是 600,从源文档导出时降低图片分辨率,或者先裁掉不需要的页边。事后再压扫描件,意味着重新编码图片,而这恰恰是这个工具故意不做的事。
压一次,看百分比,然后收手。10MB 的扫描件压完还有 9.7MB,就相信这个数字——问题出在扫描,不在 PDF。