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);

最佳答案

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(它定义了一些整体默认值，您可能想要覆盖):

• How to downsample images within pdf file?

基本上，它会告诉您如何让 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(有时有效，有时无效 - 取决于嵌入字体的复杂性，还有 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 Logo 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 是一个单页文档，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 的分辨率呈现在页面上。

如果我们在 pdftk 的帮助下连接该文件的 3 个副本，如下所示:

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

通过用引用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。)

关于linux - 优化 PDF 文件(使用 Ghostscript 或其他)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/10450120/