PDF 压缩指南

如何压缩扫描 PDF，避免文字变得难以辨认

可读性需要实际检查，不能靠一个压缩百分比来证明。

撰写： PDFStay Editorial Team

最后更新

“不影响可读性”应当是核验目标，而不是绝对承诺。扫描 PDF 把页面保存为图片，降低分辨率、JPEG 质量或颜色信息，都可能删掉细节。先从能够满足体积目标的最温和设置开始，再以 100% 比例以及收件人可能使用的更大缩放比例检查导出文件。保留原件；涉及档案、法律、身份或印刷生产时，绝不能把压缩后的阅读副本当作保存母版。

先判断页面是扫描图像还是数字内容

试着选中一句话，再搜索一个页面上看得见的词。能够选择文字，通常说明存在数字文本或 OCR 文本层；如果整页像一张大图，文件就偏向扫描型。混合 PDF 要逐页判断，因为文字封面可能掩盖后面只有图像的附件。

按文档类型选择起点
你看到的情况典型信号更稳妥的起点
以数字内容为主的 PDF文字可以顺利选中，并且高倍放大后依然锐利。使用“标准压缩”，尽可能让文字继续保持为文字。
以扫描页面为主的 PDF每页都像一张图片，可以看到灰尘、歪斜或纸张纹理。使用“扫描件压缩”，先试“清晰优先”或“均衡推荐”。
混合型 PDF部分页面可以选中文字，但表单、照片或附录不行。先试“标准压缩”，再检查每一个图像型页面。

了解扫描压缩究竟会改变什么

分辨率、颜色、压缩方式，以及可能受损的细节
改动体积为什么可能下降哪些内容可能变得不可靠克制使用的方法
降低图像分辨率或下采样描述每一页所需的像素更少。小字、细笔画、条码边缘和线稿可能变软。逐步降低，并在 100% 比例及收件人实际使用的缩放比例下检查。1
把有意义的颜色转成灰度每个像素携带的颜色信息更少。高亮、印章、批注和按颜色编码的图表可能失去含义。只有在颜色不属于证据或内容时，才能关闭“保留彩色扫描”。3
提高有损图像压缩强度丢弃更多像素细节。可能出现光晕、块状伪影、手写字模糊和照片细节受损。一旦达到实际体积目标，就不要继续加大强度。1
把每页重新采样为新的图像型 PDF用统一的图像格式替换页面中的混合内容。可选择或可搜索的文字可能消失，原有签名或交互元素也可能无法保留。只在可舍弃的副本上使用“扫描件压缩”，不要处理唯一原件。

现行 FADGI 技术指南按材料类型规定采集和质检要求，并不存在一套适用于所有网页 PDF 的通用方案。对于现代文本记录，指南描述了 300 ppi 级采集、彩色或灰度、获准的母版格式，以及使用压缩时的目视评估。3

把扫描样本当作示例，不要当作预测

在 PDFStay 的固定扫描型样本中，输出从 2,141,091 bytes 降至 187,107 bytes，缩减 91.26%；记录的页数从 2 变为 2，自动 PDF 可解析检查结果为 true。方法页面和 JSON 对此设有严格边界：该字段只表示文件可被解析并读出页数；这一次浏览器运行不代表其他扫描件也能达到相同比例，更不是文字可读性或画质评分。4, 5

PDFStay 固定扫描型样本
测试样本浏览器版本输入字节数输出字节数缩减比例输入页数输出页数自动 PDF 可解析检查适用边界
scan-style-pdf-v1148.0.7778.962,141,091 bytes187,107 bytes91.26%22truePDFStay 固定测试样本；不代表承诺的压缩率或画质评分

PDFStay 固定测试样本；不代表承诺的压缩率或画质评分

检查自动体积测试无法替你确认的细节

FADGI 将技术验证与目视检查分开，并要求在质量控制时以 100% 放大比例查看图像细节。个人 PDF 篇幅较短时应逐页检查；只有先确认页面齐全，才可以对重复版式抽样。3

  • 小字和低对比文字：对照小号日期、小数点、脚注以及浅淡的复写痕迹。
  • 签名和手写内容：检查笔画、姓名首字母、日期以及落笔很轻的痕迹。
  • 印章和印鉴：确认边缘、序列号、压印阴影，以及具有含义的墨水颜色。
  • 条形码和二维码：从导出的 PDF 中实际扫描，不要只测试原文件。
  • 图表和表单：检查细线、箭头、图例、复选框状态和对齐。
  • 照片和网点图：对照面部、身份细节、渐变和暗部是否出现伪影。
  • 页数和顺序：核对输入与输出页数，并浏览开头、中间和结尾页面。

保留原件，避免反复进行有损压缩

把第一代扫描件保存为母版，为压缩副本另取一个含义明确的文件名。如果副本仍然太大，应回到母版重新导出一次。对已经有损的副本再次压缩，会叠加永久的像素变化，也更难判断究竟是哪一次处理损坏了细节。1

知道哪些压缩任务需要专业核验

高后果文件的边界
文档用途不要想当然地认为必须检查
档案或保存母版一份可读的阅读副本已经满足档案机构对采集、格式、元数据或压缩的要求。保留母版，并遵循档案馆或记录主管机构当前的要求。3, 2
法律文件或带数字签名的 PDF外观相似的导出文件仍能保留证据效力、表单行为或签名有效性。保留已签名的原件，并在规定的签名验证或案件管理软件中核验所有工作副本。
身份证明文件或申请材料只要页面还能打开，面部、号码、印章或安全特征就一定符合要求。遵循收件方的上传规则，逐个检查字符和视觉识别要素。
印刷生产 PDF体积更小的屏幕版仍能保留图像分辨率、嵌入字体、图层、透明度和输出意图。在替换生产稿件前，向印刷厂索取预检配置，并确认打样。1

常见问题

扫描压缩能保证画质完全无损吗？

不能。无损编码确实存在，但要显著减小体积，通常需要下采样或有损图像压缩。Adobe 指出，图像优化可能永久删除像素数据，因此必须实际检查可读性和视觉细节。1

应该先尝试 PDFStay 的哪种扫描设置？

如果小字或细小标记很重要，先用“清晰优先”；普通分享副本可以先用“均衡推荐”。只有目标限制很严时才改用“文件更小”，随后重新完成整套目视检查。

为什么扫描压缩后，文字可能无法选择？

“扫描件压缩”可能把页面重建为图像。字形仍然看得见，但底层文字对象或 OCR 层可能已经不存在，因此文字选择和搜索要与肉眼可读性分开测试。

资料来源

  1. Adobe Acrobat — PDF Optimizer settings官方技术文档来源审核日期:
  2. U.S. National Archives — Scanned Images of Textual Records政府技术指南来源审核日期:
  3. FADGI — Technical Guidelines for Digitizing Cultural Heritage Materials政府技术指南来源审核日期:
  4. PDFStay reproducible compression checksPDFStay 第一方方法说明来源审核日期:
  5. PDFStay compression benchmark data (JSON)PDFStay 第一方数据来源审核日期: