合并 PDF 的 Ghostscript 压缩结果

Posted 2023-02-23

【中文标题】合并 PDF 的 Ghostscript 压缩结果

【英文标题】：Ghostscript to merge PDFs compresses the result

【发布时间】：2011-12-30 19:26:26

【问题描述】：

我发现这个巧妙的命令可以使用 Ghostscript 将多个 PDF 合并为一个：

gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -sOutputFile=out.pdf in1.pdf in2.pdf

生成的大小小于 2 个 PDF 的总大小。

以单个文件作为输入运行命令仍会导致输出文件更小。

Ghostscript 上是否有一个选项，可以在合并时复制页面而不进行任何压缩？

如果不是，是不是因为 Ghostscript 的压缩效果好到完全没有质量损失？

【参考方案1】：

我在 ios 终端上成功使用了以下代码递归压缩多个 PDF。我发布它是因为我无法通过简单的复制和粘贴找到适合我的内容。

find . -name '*.pdf' | while read pdf; do gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/ebook -dNOPAUSE -dQUIET -dBATCH -sOutputFile="$pdf_new.pdf" "$pdf"; done

请注意，您可能需要不同的输出质量，因此您可以更改 -dPDFSETTINGS 参数，如下所示：

-dPDFSETTINGS=/screen：质量较低，尺寸较小。-dPDFSETTINGS=/ebook：质量更好，但 pdf 文件稍大。-dPDFSETTINGS=/prepress：输出类似于 Acrobat Distiller“印前优化”设置。-dPDFSETTINGS=/printer：选择类似于 Acrobat Distiller“打印优化”设置的输出。-dPDFSETTINGS=/default：选择旨在用于各种用途的输出，可能以牺牲更大的输出文件为代价。

【参考方案2】：

您观察到的一些尺寸优化可能来自 Ghostscript 对未使用对象的清理、最近获得的字体优化改进（您使用的是最新版本的 GS 吗？！？）以及可能的图像重新采样/下采样这可能已经发生了。

Ghostscript，如果用于PDF -> PDF 转换，基本上是这样操作的：

读入输入文件及其所有对象，并将它们转换为图形页面表示的内部格式。 对内部格式的页面内容进行在命令行上要求的操作。 编写一个全新的 PDF。

这意味着对于大多数 PDF -> PDF 操作，您将对 PDF 对象有不同的排序和编号，甚至对象的内部代码也可能已更改（即使您的眼睛没有发现输入和输出 PDF 之间的任何差异）。

默认情况下，Ghostscript 还会压缩原始文件中未压缩的任何对象流（但这是无损压缩）。

现在对于您非常简单的命令行不包含任何操作愿望，Ghostscript 假设您想使用-dPDFSETTINGS=/default，隐式设置此参数并进行相应操作。

现在什么是/default PDFSETTINGS？！您有两种选择：

阅读手册。大号table in middle of this section 给出了概述。您可以看到-dPDFSETTINGS=/default 本身只是它所代表的其他几十个更具体设置的简写。给定文档的链接是针对开发代码的当前 HEAD当然您实际使用的版本可能不同。

查询（您自己的）Ghostscript 以了解此设置的详细含义。 我对问题 'Querying Ghostscript for the default options/settings of an output device...' 和问题 'What are PostScript dictionaries, and how can they be accessed (via Ghostscript)?' 的回答对此进行了详细说明。简而言之，要查询 Ghostscript 以了解其 /default PDFSETTINGS 的详细信息，请运行以下命令：

 gs \
   -q \
   -dNODISPLAY \
   -c ".distillersettings /default get exch ==only ( ) print === forall quit"

你应该得到一个非常相似的结果：

  /Optimize false
  /DoThumbnails false
  /PreserveEPSInfo true
  /ColorConversionStrategy /LeaveColorUnchanged
  /DownsampleMonoImages false
  /EmbedAllFonts true
  /CannotEmbedFontPolicy /Warning
  /PreserveOPIComments true
  /GrayACSImageDict << /HSamples [2 1 1 2] /VSamples [2 1 1 2] /QFactor 0.9 /Blend 1 >>
  /DownsampleColorImages false
  /PreserveOverprintSettings true
  /CreateJobTicket false
  /AutoRotatePages /PageByPage
  /NeverEmbed [/Courier /Courier-Bold /Courier-Oblique /Courier-BoldOblique /Helvetica /Helvetica-Bold /Helvetica-Oblique /Helvetica-BoldOblique /Times-Roman /Times-Bold /Times-Italic /Times-BoldItalic /Symbol /ZapfDingbats]
  /ColorACSImageDict << /HSamples [2 1 1 2] /VSamples [2 1 1 2] /QFactor 0.9 /Blend 1 >>
  /DownsampleGrayImages false
  /UCRandBGInfo /Preserve

其中唯一突出的一点是：您可能希望将 /AutoRotagePages 从 /PageByPage 更改为 /None。在命令行上，你可以把它写成-dAutoRotatePages=/None。

为您提供一个完整的参数列表，这些参数将专门告诉 Ghostscript 通过添加这些参数来尽可能多地使用 passthrough 模式到输入 PDF：

  -dAntiAliasColorImage=false \
  -dAntiAliasGrayImage=false \
  -dAntiAliasMonoImage=false \
  -dAutoFilterColorImages=false \
  -dAutoFilterGrayImages=false \
  -dDownsampleColorImages=false \
  -dDownsampleGrayImages=false \
  -dDownsampleMonoImages=false \
  -dColorConversionStrategy=/LeaveColorUnchanged \
  -dConvertCMYKImagesToRGB=false \
  -dConvertImagesToIndexed=false \
  -dUCRandBGInfo=/Preserve \
  -dPreserveHalftoneInfo=true \
  -dPreserveOPIComments=true \
  -dPreserveOverprintSettings=true \

所以你可以试试这个命令：

gs                                              \
 -o output.pdf                                  \
 -sDEVICE=pdfwrite                              \
 -dAntiAliasColorImage=false                    \
 -dAntiAliasGrayImage=false                     \
 -dAntiAliasMonoImage=false                     \
 -dAutoFilterColorImages=false                  \
 -dAutoFilterGrayImages=false                   \
 -dDownsampleColorImages=false                  \
 -dDownsampleGrayImages=false                   \
 -dDownsampleMonoImages=false                   \
 -dColorConversionStrategy=/LeaveColorUnchanged \
 -dConvertCMYKImagesToRGB=false                 \
 -dConvertImagesToIndexed=false                 \
 -dUCRandBGInfo=/Preserve                       \
 -dPreserveHalftoneInfo=true                    \
 -dPreserveOPIComments=true                     \
 -dPreserveOverprintSettings=true               \
  input1.pdf                                    \
  input2.pdf

最后，正如 Chris Haas 已经暗示的那样：如果您特别不想要 Ghostscript 默认应用的任何优化，您也可以使用 pdftk。 pdftk 根本无法做这样的事情，你会因为它相对笨拙的操作而获得相当多的速度（但也可能比从 Ghostscript 输出的文件大小要大得多）。

【讨论】：

pdftk 自 2016 年 3 月起不适用于 CentOS/RHEL 7。

您能否应用-dPDFSETTINGS= 设置之一，然后稍后在命令行中使用-d* 设置（在您的答案中）仅覆盖其中的一部分？

@CMCDragonkai：是的，你可以。 （不过我还没有测试过。但是如果这不起作用，那将是一个错误。）

这里有一个重新打包的 pdftk 版本，适用于 Centos 7 linuxglobal.com/pdftk-works-on-centos-7

【参考方案3】：

这里有一些additional options 可以在使用pdfwrite 作为您的设备时传递。根据该页面，如果您没有通过任何东西，那么-dPDFSETTINGS 将设置为接近/screen，尽管它没有变得更具体。您可以尝试将其设置为 -dPDFSETTINGS=/prepress，它只能压缩 300 dpi 以上的内容。

gs -dBATCH -dNOPAUSE -q -sDEVICE=pdfwrite -dPDFSETTINGS=/prepress -sOutputFile=out.pdf in1.pdf in2.pdf

另一种选择是pdftk:

pdftk in1.pdf in2.pdf cat output out.pdf

【讨论】：

感谢您推荐 pdftk。对于 PDF 文件的简单连接，它似乎是完美的。

FWIW: pdftk 不适用于 CentOS/RHEL 7。

我碰巧丢失了页面，并且gs 的大小增加了 10 倍。 pdftk 无需修改即可连接，而且速度更快。