PDF 为什么这么大？五个常见原因

三页的文档没有道理是 40 MB，但这种事天天发生。有用的问题不是“怎么压缩”，而是“里面装了什么”——因为正确的解法完全取决于五件事里出错的是哪一件。

一、照片是原始分辨率

这是最常见的原因，而且差距很大。你把一张现代手机拍的照片放进文档，它是 4000 像素宽、好几 MB。页面上只显示 10 厘米宽，以印刷质量来说大概需要 1200 像素——但 PDF 把 4000 像素全部存了进去。

四张这样的照片，你就有了一个 30 MB 的文件，而它看得见的内容其实 2 MB 就装得下。判断方式：一份有照片的文档，文件大小大约等于原始图片加总。

二、每一页其实是扫描图

扫描件不是“含有文字的文档”，是“含有文字照片的文档”，一页一张。每一页都背着一张整页大的图，这就是为什么 20 页的扫描件比 20 页的文字 PDF 大得多。

测试只要两秒：试着选取一个字。如果光标抓不到任何文字，那每一页都是图。600 dpi 的彩色扫描是极端案例；同一份文档用 300 dpi 灰度扫，常常只有十分之一大，而且完全读得清楚。

三、内嵌字体

PDF 会内嵌字体，让文档在哪里看起来都一样——那正是这个格式存在的意义。但一套完整的中日韩字体光自己就可能好几 MB，而一份用了四种字体的文档就会嵌四套。

子集化——只嵌入实际用到的字——可以解决大部分问题，而且现在多数导出器默认就会做。如果你的不会，征兆就是：内容明明很少，文件却大得莫名其妙。

四、修订历史与增量保存

PDF 支持增量更新：编辑后保存时，新数据可以直接接在后面，而不是重写整个文件。这样做二十次，文件就背着二十层，包括已经看不见的内容。

这就是为什么你每次加批注，PDF 都会变大，就算视觉上什么都没增加。**另存为一个新的 PDF**，而不是覆盖旧文件，就会把历史丢掉。

五、重复的资源

页眉的一个标志，被一个认不出“这是同一张图”的工具分别放在四十页上，就可能被存四十次。做得好的导出器会去重；不是每个都会，而由多份文档合并而成的文件是常见的犯人。

怎么判断你中的是哪一种

压缩之前，先弄清楚你面对的是什么：

• 选得到文字吗？选不到 → 是扫描件（原因二）。
• 文件大小大约等于你放进去的照片吗？是 → 原始分辨率的图（原因一）。
• 内容很少但文件很大？→ 字体（原因三）或历史（原因四）。
• 是由好几份文档合并来的吗？→ 重复资源（原因五）。

查看 PDF 的内部结构可以看到页数、图片数和字体是怎么分布的，很快就能定案。

真正有用的做法

图片是主因，所以：放进文档之前先降低分辨率，或是压缩做好的 PDF——那会把图片用合理的分辨率重新编码。这是唯一一个经常能砍掉八成以上的解法。

扫描件的话，如果纸质件还在，用 300 dpi 灰度重扫。纸质件不在了，压缩 PDF 会把页面图片重新编码，效果是一样的。

历史和重复资源，就重新导出成新文件，不要原地保存。

有一件事不要做：**同一份 PDF 反复压缩。**每压一次都是在重新编码已经有损的图，而文字部分大小完全没变——所以你损失了画质却没换到多少空间。从你手上最好的版本压一次就好。