优化 PDF 文件（使用 Ghostscript 或其他）
Posted
技术标签:
【中文标题】优化 PDF 文件（使用 Ghostscript 或其他）【英文标题】：Optimize PDF files (with Ghostscript or other) 【发布时间】：2012-05-14 01:47:00 【问题描述】：如果您想优化 PDF 文件并减小文件大小，Ghostscript 是最佳选择吗？
我需要存储大量的 PDF 文件，因此我需要尽可能优化和减小文件大小
有人对 Ghostscript 和/或其他有任何经验吗？
命令行
exec('gs -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -dCompatibilityLevel=1.4
-dPDFSETTINGS=/screen -sOutputFile='.$file_new.' '.$file);
【问题讨论】：
您是在寻找免费软件还是只寻找免费软件？还是专有的付费软件也是一种选择？ 您知道 PDF 中哪些对象占用的空间最多吗？字体？高分辨率图像？ 另见 pdfsizeopt 工具 (GPLv2) askubuntu.com/a/1011292/19753 【参考方案1】：如果您正在寻找免费（如“libre”）软件，Ghostscript 无疑是您的最佳选择。然而，它并不总是很容易使用——它的一些（非常强大的）处理选项不容易找到文档。
看看这个答案，它解释了如何对图像分辨率下采样执行比通用-dPDFSETTINGS=/screen 所做的更详细的控制（它定义了一些您可能想要覆盖的整体默认值）：
基本上，它告诉您如何让 Ghostscript 将所有图像下采样到 72dpi 的分辨率（这个值是 -dPDFSETTINGS=/screen 使用的——您可能想要更低）：
-dDownsampleColorImages=true \
-dDownsampleGrayImages=true \
-dDownsampleMonoImages=true \
-dColorImageResolution=72 \
-dGrayImageResolution=72 \
-dMonoImageResolution=72 \
如果您想尝试 Ghostscript 是否也能够“取消嵌入”所使用的字体（有时可以，有时不能 - 取决于嵌入字体的复杂性以及 on the font type used），您可以尝试将以下内容添加到您的 gs 命令中：
gs \
-o output.pdf \
[...other options...] \
-dEmbedAllFonts=false \
-dSubsetFonts=true \
-dConvertCMYKImagesToRGB=true \
-dCompressFonts=true \
-c ".setpdfwrite <</AlwaysEmbed [ ]>> setdistillerparams" \
-c ".setpdfwrite <</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 /Arial]>> setdistillerparams" \
-f input.pdf
注意：请注意，降低图像分辨率肯定会降低质量（不可逆地），并且去嵌入字体会使显示和打印 PDF 变得困难或不可能，除非安装了相同的字体机器……
更新
我在原始答案中忽略的一个选项是添加
-dDetectDuplicateImages=true
到命令行。此参数会导致 Ghostscript 尝试检测多次嵌入 PDF 中的任何图像。如果您将图像用作徽标或页面背景，并且 PDF 生成软件未针对这种情况进行优化，则可能会发生这种情况。旧版本的 OpenOffice/LibreOffice 曾经是这种情况（我测试了 LibreOffice 的最新版本 v4.3.5.2，它不再做这种愚蠢的事情了）。
如果您在pdftk 的帮助下连接 PDF 文件，也会发生这种情况。为了向您展示效果以及如何发现它，让我们看一个示例 PDF 文件：
pdfinfo p1.pdf
Producer: libtiff / tiff2pdf - 20120922
CreationDate: Tue Jan 6 19:36:34 2015
ModDate: Tue Jan 6 19:36:34 2015
Tagged: no
UserProperties: no
Suspects: no
Form: none
javascript: no
Pages: 1
Encrypted: no
Page size: 595 x 842 pts (A4)
Page rot: 0
File size: 20983 bytes
Optimized: no
PDF version: 1.1
Poppler 的 pdfimages 实用程序的最新版本增加了对 -list 参数的支持，该参数可以列出 PDF 文件中包含的所有图像：
pdfimages -list p1.pdf
page num type width height color comp bpc enc interp objectID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------
1 0 image 423 600 rgb 3 8 jpeg no 7 0 52 52 19.2K 2.6%
此示例 PDF 是一个 1 页文档，其中包含一个图像，该图像使用 JPEG 压缩进行压缩，宽度为 423 像素，高度为 600 像素，并以 52 PPI 的分辨率在页面上呈现。
如果我们像这样在pdftk 的帮助下连接此文件的 3 个副本：
pdftk p1.pdf p1.pdf p1.pdf cat output p3.pdf
然后结果通过pdfimages -list显示这些图像属性：
pdfimages -list p3.pdf
page num type width height color comp bpc enc interp objectID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------
1 0 image 423 600 rgb 3 8 jpeg no 4 0 52 52 19.2K 2.6%
2 1 image 423 600 rgb 3 8 jpeg no 8 0 52 52 19.2K 2.6%
3 2 image 423 600 rgb 3 8 jpeg no 12 0 52 52 19.2K 2.6%
这表明现在有 3 个相同的 PDF 对象（ID 为 4、8 和 12）嵌入在 p3.pdf 中。 p3.pdf 由 3 页组成：
pdfinfo p3.pdf | grep Pages:
Pages: 3
通过用参考替换重复的图像来优化 PDF
现在我们可以借助 Ghostscript 应用上述优化
gs -o p3-optim.pdf -sDEVICE=pdfwrite -dDetectDuplicateImages=true p3.pdf
检查：
pdfimages -list p3-optim.pdf
page num type width height color comp bpc enc interp objectID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------
1 0 image 423 600 rgb 3 8 jpeg no 10 0 52 52 19.2K 2.6%
2 1 image 423 600 rgb 3 8 jpeg no 10 0 52 52 19.2K 2.6%
3 2 image 423 600 rgb 3 8 jpeg no 10 0 52 52 19.2K 2.6%
每页仍然列出一个图像 -- 但 PDF 对象 ID 现在始终相同：10。
ls -ltrh p1.pdf p3.pdf p3-optim.pdf
-rw-r--r--@ 1 kp staff 20K Jan 6 19:36 p1.pdf
-rw-r--r-- 1 kp staff 60K Jan 6 19:37 p3.pdf
-rw-r--r-- 1 kp staff 16K Jan 6 19:40 p3-optim.pdf
如您所见，使用 pdftk 进行的“哑”连接将原始文件大小增加到原始文件大小的三倍。 Ghostscript 的优化使其大幅下降。
最新版本的 Ghostscript 甚至可以默认应用 -dDetectDuplicateImages。 （AFAIR，v9.02，首次引入，默认没有使用。）
【讨论】：
感谢您的回答 :) 已对其进行了测试，但是当您手动将 dpi 设置为72 时，当设置 /screen 并且文件大小仍然较低@ 987654349@ :)
我的意思是.. /screen 的质量更好，而且文件大小比手动将 dpi 设置为 72 更小
@clarkk：我有兴趣查看显示这种情况的示例 PDF。你能提供一个（或者这是否侵犯了某人的隐私）？
这里 dynaccount.com/tmp/35.pdf 和这里 dynaccount.com/tmp/36.pdf.. 查看文档顶部的徽标.. 35.pdf (44.81kb - 手动 dpi) 和 36.pdf (44.73kb - /屏幕）
为了完整起见，这里提供了可用于使用 GhostScript/ps2pdf 转换 PDF 的选项列表：ghostscript.com/doc/current/Ps2pdf.htm【参考方案2】：
您可以通过将 PDF 转换为 Postscript，然后使用返回 PDF 来获得良好的结果
pdf2ps file.pdf file.ps
ps2pdf -dPDFSETTINGS=/ebook file.ps file-optimized.pdf
参数-dPDFSETTINGS 的值定义了生成的PDF 中图像的质量。选项从低质量到高质量：/screen、/default、/ebook、/printer、/prepress，请参阅 http://milan.kupcevic.net/ghostscript-ps-pdf/ 以获取参考。
Postscript 文件可能会变得非常大，但结果是值得的。我从 60 MB PDF 变成了 140 MB Postscript 文件，但最终得到了 1.1 MB 优化的 PDF。
【讨论】：
如果能在 Windows 环境中获得一些帮助，那就太好了... 有什么原因会导致文件比仅使用gs 和适当的设置更小？此外，这样做会导致 Postscript 缺少某些功能（例如 alpha 透明度、渐变、ICC 配置文件）而导致的一些问题。
我不知道，只是报告在我的情况下效果很好，希望其他人也能从中受益。随意发布更好的解决方案或帮助改进现有的解决方案。
第一步是不必要的。 ps2pdf 将接受 pdf 输入文件。
@frabjous 首先转换为 ps 对我来说有很大的不同。这是 ps2pdf 和 pdf2ps 的 9.26 版【参考方案3】：
我使用 Ghostscript 和以下来自 here 的选项。
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen \
-dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdf
【讨论】：
请注意，虽然这个通常可以正常工作，但它无法正常处理可填充的 PDF @AlexFlo 你会用什么命令来实现这个？因为这个，我现在被困住了。【参考方案4】：您可能会发现pdftocairo（来自Poppler）可以制作更小的 PDF，但请注意它会去除一些功能（例如超链接）。
【讨论】：
谢谢，我发现 ps2pdf14 有时会更改输出，在这种情况下，pdftocairo 使 PDF 更小（500K 到 110K）但被裁剪，所以我在保存为 PDF 之前在 Inkscape 中添加了显式边距，然后通过pdftocairo和然后通过pdfcrop（来自Teχ）将其缩小到90K。【参考方案5】：
这对我有用
将您的 PDF 转换为 PS（这会创建一个大文件
pdf2ps large.pdf very_large.ps
将新 PS 转换回 PDF
ps2pdf very_large.ps small.pdf
来源： https://pandemoniumillusion.wordpress.com/2008/05/07/compress-a-pdf-with-pdftk/
【讨论】：
【参考方案6】：您会损失质量，但如果这不是问题，那么 ImageMagick 的 convert 可能会很有帮助：
convert original.pdf reduced.pdf
请注意，它并不总是有效：我曾经使用此命令将 126MB 文件转换为 14MB 文件，但另一次它使 350Ko 文件的大小增加了一倍。
无论如何都值得一试……
正如 cmets 中提到的，在基于矢量的 PDF 上应用此命令当然没有意义，它只会对光栅化图像有用。
有关相关选项，另请参阅this post。
【讨论】：
这仅对基于扫描图像的 PDF 文件有意义，否则 ImageMagick 会将基于矢量的 PDF 转换为光栅图像，并且生成的文件实际上可能比原始文件更大。 @yms ：我想你对基于矢量的 PDF 的看法当然是对的，但我相信它对任何类型的光栅图像都有意义，其中扫描图像只是一小部分。在我的例子中，文档是由普通的数码照片制作的。 是的，当然，我的意思是扫描图像是最常见的 PDF 文件用例，其中只有光栅图像（可能还有一些来自 OCR 的透明文本）。我只是想添加该评论作为对任何想要使用您的解决方案的人的评论。【参考方案7】：Ghostscript 附带ps2pdf14 实用程序，可用于优化 PDF 文件，但在某些情况下，“优化”文件的大小可能比原始文件大。
【讨论】：
ps2pdf14 input.pdf output.pdf 与gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dQUIET -dBATCH -sOutputFile=output.pdf input.pdf 相同。对于纯文本内容，ouput.pdf 是 input.file 大小的 25%
pdfopt 产生了更大的输出
pdfopt 不再附带 ghostscript以上是关于优化 PDF 文件（使用 Ghostscript 或其他）的主要内容，如果未能解决你的问题，请参考以下文章
如何使用 Ghostscript 和 Ghostscript .NET 通过嵌入 IIC 配置文件生成正确的 PDF/A