PDF压缩原理解析：体积变化与压缩策略指南

PDF体积由图像、内嵌字体、文档结构、元数据四个部分组成，不同类型PDF各部分占比差异极大。扫描类PDF中，图像占比通常超过90%，其余三部分占比不足10%。

纯文本或含矢量元素的PDF中，内嵌字体占比可达20%到60%，结构和元数据占比通常在5%以内，矢量内容本身占比极低。

重渲染压缩也叫位图化压缩，核心机制是将PDF中所有矢量、文字内容统一转成位图，再按设定DPI和质量保存。这种方式对扫描件压缩效果明显，但会改变原有内容属性。

无损优化压缩不会改变原有内容的清晰度，仅通过对象流合并、字体子集化、去除冗余元数据三个步骤减少体积。对象流合并可将零散对象整合，减少冗余存储空间。

屏幕阅读场景下，DPI从300降到72的过程中，300到150区间的视觉清晰度变化几乎无法感知，体积可降低50%左右。150降到72的过程中，文字边缘模糊会明显加重。

JPEG质量从100降到50的区间，50到80区间的压缩率可达40%到60%，视觉伪影几乎不可见。质量低于50后，色块断层和边缘模糊会快速加剧，压缩收益边际递减。

纯文本PDF属于矢量类文档，单页文字内容的原始体积通常在1KB到5KB之间，整本书籍体积多控制在几MB范围内。

若对这类PDF使用重渲染位图化压缩，每一页都会被生成一张对应尺寸的位图，单页位图体积可达几十KB到几百KB，整本书体积会从几MB增长到几百MB。

判断PDF类型是选择压缩策略的第一步，先区分文档属于扫描件还是可编辑的电子文档。扫描件为全图像内容，可编辑电子文档包含文字、矢量元素。

若为扫描件，可选择重渲染压缩，设置DPI为150、JPEG质量为60，可平衡体积与清晰度。若为可编辑电子文档，优先选择无损优化压缩，保留原有清晰度。

若无损优化后体积仍不符合要求，可对文档内嵌入的图像单独压缩，保留文字和矢量的矢量属性，避免整体位图化。