PDF 压完还是几十兆？先弄清体积是被谁占住的
同样一次压缩，为什么有的文件从 78MB 掉到 7.6MB，有的几乎没变——三个判断体积构成的方法。
去年做一份投标资料，同时要压两份 PDF，结果让我很困惑：一份 78MB、四十多页的技术方案，压完只剩 7.6MB；另一份 12MB 的资质材料，压完 11.4MB，几乎没动。当时我以为是工具出了问题，换了两三个网站结果都一样。后来才明白，PDF 压缩这件事，效果在你按下按钮之前就已经决定了。
体积到底被谁占住了
PDF 本质上是个容器，真正吃体积的只有三类东西。第一类是内嵌图片，扫描件尤其明显，每一页其实就是一张大照片，四十页就是四十张照片；第二类是嵌入字体，中文一套字体动辄几 MB，一份文档里混用五六种字体，光字体就能占掉三分之一；第三类是重复对象和残留的编辑痕迹，反复改过的文件里常有看不见的冗余。压缩工具能做的，主要是降低图片的分辨率和重新编码，对字体和文本几乎无能为力。
三十秒判断这份文件能不能压
我现在习惯先算一个数：体积除以页数。每页超过 1.5MB 的，基本都是图片型，压缩空间很大；每页只有一两百 KB 的，通常正文是文字，压不出多少东西。另一个更直接的办法是试着选中一段文字，能选中的是文字型，选不中的是图片型。这个判断花不了半分钟，却能省掉后面反复试参数的功夫。
文字型压不动是正常现象
搞清楚之后我就不再为难文字型 PDF 了。它的正文是文本加矢量图形，本身已经很紧凑，任何压缩算法都删不掉多少冗余。想让这类文件变小，方向不是「压」，而是「重出」：回到 Word 源文件，把字体统一成一种常见中文字体，图片先降采样再插进去，然后重新导出。我在 www.docweb.cn 上处理这类文件时，一般会先转成 Word 看一眼字体用了多少种，删掉那些只出现一两次的花体，再转回 PDF，体积往往能掉三成，比硬压有效得多。
扫描件能压到多小，取决于你要不要认字
图片型的空间大，但也不是越小越好。我的经验是按用途倒推分辨率：给评审在屏幕上看，150dpi 足够清楚；需要打印出来签字盖章，得留 200 到 300dpi；如果后面还要做文字识别，低于 200dpi 识别率会明显下降。同一份扫描件，我通常出两个版本，一个高清存档、一个压缩版用于传输，别指望一份文件同时满足两个目的。
合并之后体积会突然变大
还有个容易被忽略的点：多个 PDF 合并后，总体积常常大于各自之和。原因是每个文件都带着自己的字体子集和资源表，合并时这些资源不会自动去重。我遇到过五份各 3MB 的材料合成一份后变成 19MB 的情况。所以顺序应该是先合并、再压缩，而不是各自压完再合并。www.docweb.cn 的合并和压缩都在浏览器里本地完成，客户资料和合同不必上传，这一点在处理别人的文件时让我比较安心。
我现在的固定顺序
看页数和能否选中文字，判断类型；图片型直接压，按用途选强度；文字型回源文件重出；多文件先合并再统一压。四步下来，基本不会出现「压了半天没变化」的尴尬。顺带说一句，压缩前把原文件另存一份，压糊了还能重来，这个习惯救过我不止一次。
写在最后
PDF 压缩不是调参数的技术，而是判断文件构成的技术。知道体积被什么占着，就知道该压还是该重做。下次遇到压不动的文件，不妨先去 www.docweb.cn 试一次，再回头看看它是文字型还是图片型，答案通常就出来了。