كيف يعمل ضغط PDF فعلاً

الجواب المختصر

ملف PDF ليس كتلة مضغوطة واحدة. إنه مجموعة من الكائنات المرقّمة — أوصاف الصفحات والخطوط والصور والتعليقات والبيانات الوصفية — يربطها جدول مرجعي، كما تحدده المواصفة ISO 32000-1، ويحمل كل كائن مرشّح الضغط الخاص به. فلا يوجد قرص واحد مكتوب عليه «أصغر»؛ بل هناك عدة أمور مختلفة تستطيع الأداة فعلها، وهي تعمل على أجزاء مختلفة تماماً من الملف.

وثلاثة منها تهمّ عملياً. التحسين البنيوي يهذّب الرسم البياني للكائنات ويكسب عادةً قدراً ضئيلاً جداً. وإعادة ضغط الصور تفكّ ترميز الصور المضمّنة وتقلّل أبعادها بالبكسل وتعيد ترميزها، ومن هنا تأتي كل الوفورات الحقيقية تقريباً. والتحويل إلى نقاط يتخلّص من وصف الصفحة كلياً ويستبدل بكل صفحة صورةً لها؛ وهو أكبر رافعة والوحيد المتلِف بينها. ومعرفة أي الثلاثة يحتاجه ملفك هي معظم المسألة.

أين تقبع البايتات فعلاً

مستند نصي من 40 صفحة يقلّ عادةً كثيراً عن ميغابايت واحد. أما عقد ممسوح ضوئياً من 10 صفحات فقد يبلغ عشرين ضعف ذلك. والفرق ليس في عدد الصفحات: فأحد الملفين يخزّن تعليمات، والآخر يخزّن صوراً فوتوغرافية.

النص يقبع في تدفق محتوى: برنامج قصير من عوامل الرسم يقول بأي خط وبأي حجم وعند أي إحداثيات وبأي حروف. ويُخزَّن ذلك التدفق بمرشّح Flate — أي خوارزمية DEFLATE في المعيار RFC 1951، وهي الضغط نفسه المستخدم داخل ZIP وPNG. أي أن الضغط قد جرى أصلاً. فصفحة نثر تكلّف بضعة كيلوبايتات؛ وأربعون منها تكلّف جزءاً يسيراً مما تكلّفه صورة واحدة.

أما الصفحة الممسوحة ضوئياً فعلى النقيض. فلا نص فيها ولا وصف تخطيط إطلاقاً: كائن صورة واحد، غالباً بصيغة JPEG، مرسوم على الصفحة كلها، وتدفق محتوى بطول ثلاثة أو أربعة عوامل. فالملف هو الصور.

ولهذا فإن «اضغط ملف PDF لديّ» تعني شبه دائماً «أعد ضغط الصور»، ولهذا تتفاوت النتائج تفاوتاً هائلاً بين ملفات تبدو متشابهة. فالتقرير المليء بصور المنتجات فيه هامش ضخم. أما ملف PDF النصي الخالص فلا هامش فيه تقريباً: مرّر عليه ضاغطاً عام الغرض وستكسب عادةً نسباً من خانة واحدة، لأن الشيء الوحيد المتبقي للعصر قد عُصر أصلاً. وإن كنت لا تعرف أي نوع من الملفات لديك، فإن /pdf-page-count يبلّغك بعدد الصفحات وأحجامها وهل توجد طبقة نص.

التحسين البنيوي وبلا فقدان

قبل المساس بأي صورة، يستطيع كاتب الملف أن يعيد تنظيم الملف نفسه. فلا يتغيّر شيء مرئي ولا يُفقد شيء. وهناك ثلاثة مكاسب شائعة.

• تدفقات الكائنات. تسمح المواصفة ISO 32000-1 بحزم كثير من الكائنات الصغيرة غير التدفقية في تدفق مضغوط واحد بدل كتابتها واحداً واحداً بأعبائها الخاصة.
• إسقاط الكائنات اليتيمة. كثيراً ما يكون تحرير ملف PDF إلحاقاً لا إعادة كتابة. فالصفحة التي حذفتها، والخط الذي استبدلته، والنسخة الأسبق من تعليق — قد تبقى كلها قابعة في الملف لا يشير إليها شيء. أما إعادة الكتابة الكاملة فتُبقي ما يشير إليه المستند فعلاً لا غير.
• تجريد البيانات الوصفية. يمكن إزالة خصائص المستند وحزم XMP والبيانات الخاصة بتطبيقات بعينها. وهذه كيلوبايتات لا ميغابايتات، وقيمتها الحقيقية في الخصوصية لا في الحجم؛ و/remove-pdf-metadata هي الأداة المخصصة لذلك.

وكن واقعياً بشأن العائد. فعلى ملف PDF صُدِّر مرة واحدة بنظافة من تطبيق حديث، يكسب التحسين البنيوي عادةً نسباً من خانة واحدة وأحياناً لا شيء تقريباً، لأن برنامج التصدير قد فعلها أصلاً. أما في ملف فُتح وحُرِّر وأُعيد حفظه عشرات المرات عبر عدة تطبيقات، فقد تشكّل الكائنات اليتيمة حصة كبيرة من الملف وتكسب إعادة الكتابة أكثر بكثير. لكنه لن يحوّل أبداً مستنداً ممسوحاً بحجم 50 ميغابايت إلى آخر بحجم 2 ميغابايت.

إعادة ضغط الصور: رافعتان مستقلتان

حين تسلّم بأن الصور هي المشكلة، يتبيّن أن هناك أمرين اثنين لا غير يمكنك تغييرهما في كل صورة، وهما مستقلان عن بعضهما.

الدقة

الدقة الفعلية للصورة ليست خاصية للصورة وحدها. إنها عرضها بالبكسل مقسوماً على العرض الذي تُرسم به فعلاً على الصفحة. فصورة بعرض 2400 بكسل ممتدة على صفحة عرضها 8 بوصات تساوي 300 نقطة في البوصة. والملف نفسه موضوعاً في زاوية بعرض بوصة واحدة كشعار يساوي 2400 نقطة في البوصة، وكل بكسل بعد أول بضع مئات غير مرئي — تفصيل لن تُظهره شاشة ولا طابعة.

فالسؤال المفيد ليس أبداً «ما حجم هذه الصورة» بل «ما حجمها نسبةً إلى طريقة استخدامها». وخفض الدقة يعيد قياس شبكة البكسلات حتى تحلّ الدقة الفعلية عند قيمة معقولة. وحوالي 150 نقطة في البوصة أعلى بمريح مما تميّزه الشاشة وأقل بكثير مما تحتاجه الطباعة؛ أما دون 100 نقطة في البوصة تقريباً، فيفقد النص داخل صورة ممسوحة حدّته بشكل ملحوظ.

الجودة

صيغة JPEG، المحددة في المعيار ITU-T T.81، فاقدة للبيانات بطبيعتها: فهي تحوّل كتل البكسلات إلى معاملات تردد وتكمّمها، متخلّصةً من التفاصيل التي تكون العين أقل حساسية لها. ويتحكم إعداد الجودة في مدى شدة ذلك. فالجودة المنخفضة أصغر حجماً، وتنتج في النهاية آثار تكتّل وهالات حول الحواف الحادة — وهو بالضبط موضع النص الممسوح ضوئياً، ولذلك تتحمّل المستندات الممسوحة خفض الجودة أسوأ مما تتحمّله الصور الفوتوغرافية.

ماذا يفعل iBuildPDF

يسير الوضع الذكي في /compress-pdf عبر الرسم البياني لكائنات ملف PDF، فيعثر على كل كائن صورة مضمَّن ويفكّ ترميزه ويخفض دقته إلى نحو 150 نقطة في البوصة بناءً على الحجم الذي يُرسم به فعلاً على الصفحة، ثم يعيد ترميزه بصيغة JPEG عند جودة 0.80، ويستبدل تدفق الصورة في موضعه. أما الوضع القوي فهو الآلية نفسها عند نحو 96 نقطة في البوصة وجودة 0.58.

ولا تُمسّ تدفقات محتوى الصفحات إطلاقاً. والنتيجة مهمة: فيبقى النص قابلاً للتحديد والبحث، وتبقى الرسوم المتجهة حادة عند أي تكبير، وتبقى الروابط والفهارس وحقول النماذج والتعليقات سليمة كلها. ولا يتغيّر سوى البكسلات داخل كائنات الصور. وتُتخطى بعض الصور عمداً — ويتناول دليل لماذا لا يمكن ضغط بعض ملفات PDF أيّها ولماذا.

التحويل إلى نقاط: الخيار المتلِف

النهج الأخير يتخلّى عن نموذج المستند. إذ تُرسم كل صفحة كما يراها القارئ، وتُحفظ بصيغة JPEG، ويُبنى ملف PDF جديد لا يحتوي إلا على تلك الصور.

وهو ينجح حيث يفشل كل ما عداه، لأنه لا يبالي بسبب كِبَر الأصل. فخريطة متجهة كثيفة فيها مئة ألف عملية رسم تصبح صورة فوتوغرافية مسطحة واحدة. والمستند الذي تكون كل صوره بصيغ لا يمكن إعادة ضغطها يصبح مستنداً بلا صور كهذه. ويعتمد حجم الناتج على أبعاد الصفحة وجودة JPEG فقط، لا على محتويات الأصل.

والثمن باهظ ودائم:

• لا نص قابل للتحديد. فلا يمكن نسخ أي شيء.
• لا بحث، في أي قارئ، أبداً.
• تختفي الروابط والعلامات المرجعية وحقول النماذج والتعليقات.
• لا يجد قارئ الشاشة ما يقرؤه؛ فيصبح المستند غير متاح لذوي الإعاقة.
• تصبح الرسوم المتجهة ذات دقة ثابتة وتتشوّش عند التكبير أو الطباعة بحجم أكبر.

وهذا ما يفعله الوضع الأقصى في iBuildPDF، وهو الوضع المتلِف الوحيد. وتصفه الصفحة بأنه متلِف قبل أن تشغّله، فيكون الاختيار صريحاً لا مفاجأة تكتشفها لاحقاً. ولا سبيل للعودة: فالنص ليس مخفياً، بل لم يعد موجوداً في الملف. وبما أن iBuildPDF لا يقوم بأي تعرّف ضوئي، فلا توجد هنا أداة تستطيع إعادة طبقة نص بعد ذلك. احتفظ بالأصل.

اختيار النهج المناسب

وإليك ترتيباً عملياً: ابدأ بالوضع الذكي وانظر إلى النتيجة. فإن كانت صغيرة بما يكفي، فتوقّف — لم تفقد شيئاً ذا بال. وإن لم تكن كذلك، فاعرف لماذا الملف كبير قبل التصعيد، لأن الوضع القوي لا يفيد إلا إذا كان الملف كبيراً بسبب الصور الفوتوغرافية. وفي ما عدا ذلك، راجع لماذا لا يمكن ضغط بعض ملفات PDF؛ وإن كنت تعمل وفق حد ثابت، فإن دليل إنزال ملف PDF تحت 1 ميغابايت يتناول ما تفعله حين يكون الهدف بعيد المنال.

وكل هذا يجري داخل متصفحك: يُقرأ الملف بواجهة الملفات ويُعالَج محلياً بواسطة pdf-lib وPDF.js، ولا يُرفع شيء. والسقف العملي هو ذاكرة جهازك لا حجم ملف ثابت.