Warum ein PDF beim Speichern oder Bearbeiten größer wird

Ein Speichern, das hinzufügt statt zu ersetzen

Das ist die Ursache, die niemand errät, weil nichts davon sichtbar ist. Ein PDF kann als inkrementelles Update geschrieben werden: Die Datei, mit der du angefangen hast, bleibt exakt wie sie war, und am Ende wird ein neuer Abschnitt angehängt, der nur die geänderten Objekte enthält, gefolgt von einer neuen Querverweistabelle, die auf die alte zurückzeigt.

ISO 32000-1 sieht das vor, und Anwendungen tun es, weil es schnell ist — eine Änderung von einem Wort in einem vierhundertseitigen Dokument sind ein paar hundert Bytes am Dateiende statt vierhundert neu geschriebener Seiten. So übersteht auch eine digitale Signatur das nachträgliche Hinzufügen einer Anmerkung, denn die signierten Bytes liegen unberührt weiter vorn.

Der Preis ist, dass die alte Fassung jedes geänderten Objekts noch in der Datei steckt. Speichere fünfmal, und ein Dokument kann fünf Revisionen tragen, jede mit der überholten Kopie dessen, was die nächste ersetzt hat. Das Dokument, das sich öffnet, ist korrekt; die Datei ist seine Geschichte.

Zwei Folgen, eine die Größe betreffend und eine ernstere.

Die Größe: Eine Datei kann sich an einem Nachmittag Bearbeitung verdoppeln, ohne eine einzige neue Seite. Nichts daran ist falsch und kein Komprimierer hilft, denn die Bytes sind nicht schlecht komprimiert — sie werden schlicht nicht gebraucht.

Die andere: Alles, was du entfernt und dann inkrementell gespeichert hast, kann weiterhin aus der Datei wiederherstellbar sein. Hast du einen Absatz, eine Seite oder ein Bild gelöscht, weil es nicht geteilt werden sollte, entfernt das Löschen aus der aktuellen Revision es nicht aus den Bytes. Wie man ein PDF dauerhaft schwärzt ist der Artikel dazu, und er wiegt schwerer als die Megabyte.

Wissenswert über die Werkzeuge hier: Sie hängen nicht an. Fast jedes baut ein neues Dokument und kopiert die Seiten hinein, die Ausgabe hat also eine Revision, und was die alten ersetzt hatten, fällt weg. Das ist keine Funktion, die jemand für die Größe entworfen hätte — es existiert, weil die PDF-Bibliothek dieser Seite beim erneuten Speichern einer inkrementell aktualisierten Quelle eine kaputte Querverweistabelle schreibt und Acrobat das Ergebnis ablehnt. An einem echten Dokument gemessen, während das behoben wurde: 217.913 Byte über den Weg des erneuten Speicherns gegen 192.994 Byte über den Neuaufbau, bei weiterhin extrahierbaren 5.865 Textzeichen. Eine Datei, die kleiner aus einem Werkzeug zurückkommt, das gar nicht komprimiert hat, hat meist einfach ihre Revisionsgeschichte verloren.

Eine Bearbeitung, die die Seite in ein Bild verwandelt hat

Die zweithäufigste Ursache, und die mit dauerhaftem Preis.

Eine Textseite ist eine Liste von Anweisungen und kostet ein paar Kilobyte. Dieselbe Seite gerendert und als Bild gespeichert sind mehrere Millionen Pixel, und keine Komprimierung bringt sie auf ein paar Kilobyte zurück. Jede Operation, die eine Seite rastert, macht die Datei also größer — oft sehr viel — und nimmt die Textebene mit.

Welche Operationen auf dieser Seite das tun, genau:

• PDF abflachen — nur manchmal. Es versucht zuerst, die Formularfelder direkt abzuflachen, was den Text lebendig und die Datei klein hält. Scheitert das — Erscheinungsbilder, die es nicht erzeugen kann, Anmerkungen außerhalb des Formulars, ein XFA-Formular — rendert es stattdessen jede Seite und baut das Dokument aus JPEGs neu auf. Die Ergebnisseite sagt dir, welcher Weg gelaufen ist, und das ist kein Detail: „dein Formular ist gesperrt“ bedeutet etwas anderes, je nachdem, ob das Dokument noch durchsuchbar ist.
• PDF in Graustufen — immer. Jede Seite wird gerendert, Pixel für Pixel entsättigt und als JPEG-Seite zurückgeschrieben. Die drei Qualitätsstufen rendern mit dem 2,0-, 1,5- und 1,1-fachen der Seitengröße und codieren mit JPEG-Qualität 0,92, 0,82 und 0,68. Schick ein reines Textdokument hindurch und erwarte eine größere Datei ohne auswählbaren Text; die Werkzeugseite sagt das vor dem Upload-Feld. Es ist das richtige Werkzeug für einen Farbscan und das falsche für einen Bericht.
• PDF schwärzen — nur die markierten Seiten. Markierte Seiten werden in doppelter Größe gerendert, mit den schwarzen Kästen in die Pixel gemalt — das macht eine Schwärzung dauerhaft. Seiten, die du nicht angerührt hast, werden mit ihrem Text unverändert übernommen, Schwärzen kostet dich also nur die geschwärzten Seiten.
• PDF komprimieren in seiner stärksten Stufe. Die beiden unteren Stufen komprimieren die Bilder im Dokument neu und lassen es ein Dokument bleiben. Die Stufe Maximum rastert, und sie ist auf der Seite vor dem Start als destruktiv gekennzeichnet.

Eine Grenze, die überrascht: Eine Browser-Zeichenfläche kann nicht beliebig groß sein, also ist das Rendern auf 4.096 Pixel je Seite und rund 16 Megapixel insgesamt gedeckelt. Eine sehr große Seite wird mit weniger als der gewünschten Skalierung gerendert, statt leer zurückzukommen — ein A0-Plakat durch ein rasterndes Werkzeug kommt also weicher heraus als eine A4-Seite. Wie groß ein PDF sein darf, das ein Browser bewältigt behandelt die übrigen Grenzen der Arbeit in einem Tab.

Schriften, Bilder und die Dinge, die zweimal eingebettet werden

Die übrigen Ursachen haben alle dieselbe Form: Etwas, das geteilt, unvollständig oder bereits komprimiert war, wurde ungeteilt, vollständig oder neu komprimiert.

• Eine als Teilmenge eingebettete Schrift wird vollständig eingebettet. Ein Erzeuger, der nur die verwendeten Glyphen einbettet, schreibt ein paar Kilobyte; ein Editor, der die ganze Schriftfamilie neu einbettet, schreibt ein paar hundert. Die Seite sieht identisch aus. Warum PDFs auf anderen Rechnern anders aussehen erklärt Teilmengen und ihre weiteren Überraschungen.
• Dieselbe Schrift landet mehrfach in der Datei. Zusammenführen ist der übliche Weg: Die Seiten jedes Dokuments werden samt der Ressourcen kopiert, auf die sie verweisen, und nichts im Zusammenführen sucht zwei identische Schriften, um eine zu behalten. Zehn Berichte aus derselben Vorlage, alle mit derselben Schrift, tragen zehn Kopien davon in die zusammengeführte Datei. Wie man PDF-Dateien zusammenführt behandelt, was sich sonst noch ändert.
• Ein Bild wird verlustfrei neu codiert. Ein JPEG-Foto in einem PDF ist bereits komprimiert. Ein Editor, der es decodiert, etwas ändert und es verlustfrei zurückschreibt, kann seine Größe vervielfachen und es dabei ganz leicht verbessern — worum niemand gebeten hat.
• Eine Seite wird von einem Druckertreiber neu gerendert. Ein PDF nach PDF zu drucken ist ein vollständiges Neurendern und vergrößert die Datei häufig, zusätzlich dazu, dass es dem Dokument seine Struktur nimmt. Was „In PDF drucken“ wirklich tut behandelt das vollständig.

Und ein Zuwachs von wenigen Bytes, der genannt gehört, weil er von dieser Seite stammt. iBuildPDF schreibt klassische Querverweistabellen statt der komprimierten Querverweisströme, die die Bibliothek standardmäßig nutzen würde. Beide sind gültig; Acrobat lehnt die zweiten häufig ab, mit „Das Root-Objekt fehlt oder ist ungültig“, und eine Datei, die der verbreitetste Betrachter nicht öffnet, ist keine kleinere Datei. Gemessen kostet die klassische Tabelle etwa 2,7 % bei einem realistischen, bildlastigen Dokument und zwischen 17 % und 27 % bei einem winzigen, reinen Textdokument, wo die Tabelle den Großteil der Datei ausmacht. Das ist ein bewusster Handel und der gesamte Beitrag dieser Seite dazu, dass deine Datei größer ist.

Seitenzahlen oder ein Wasserzeichen hinzuzufügen kostet dagegen fast nichts: Beide zeichnen mit einer der vierzehn Standardschriften, es werden also gar keine Schriftdaten eingebettet — ein paar hundert Bytes Zeichenanweisungen pro Seite und nicht mehr.

Die Größe zurückholen

1. Finde heraus, was für eine Datei du hast. Seitenzahl und Dateiinfo, dann teile die Größe durch die Seitenzahl. Ein Textdokument mit mehr als ein paar hundert Kilobyte pro Seite enthält etwas, das kein Text ist, und ob noch eine Textebene da ist, sagt dir sofort, ob eine Seite bereits gerastert wurde.
2. Ist die Textebene weg, halt an und geh zurück. Rastern ist einseitig. Komprimierung wird die Bilder bereitwillig schrumpfen, und der Text kommt nur über OCR zurück, das ein neuer Satz Vermutungen statt der ursprünglichen Zeichen ist und auf einem Server läuft. Der richtige Zug ist die frühere Fassung des Dokuments, falls du sie noch hast.
3. Ist die Textebene intakt, komprimiere. PDF komprimieren decodiert die eingebetteten Bilder, rechnet sie auf eine sinnvolle Auflösung für ihre gezeichnete Größe herunter und codiert sie neu. Es gibt dir keine größere Datei: Wäre die Ausgabe größer als das, was du hineingegeben hast, sagt es, das Dokument sei bereits optimiert, und gibt dir deine eigene Datei unverändert zurück. Wie PDF-Komprimierung funktioniert beschreibt, was jede Stufe ändert.
4. Ist der Ballast Revisionsgeschichte, wirft ihn jedes strukturelle Werkzeug weg. Es gibt hier keinen Knopf „schreib das als eine Revision neu“, und es braucht keinen: Drehen, Umsortieren, Extrahieren oder Komprimieren schreiben alle ein frisches Dokument mit einer einzigen Revision, die Ersparnis kommt also zusammen mit dem, was du ohnehin vorhattest. Seiten organisieren ist das harmloseste davon.
5. Behalte die Datei, mit der du angefangen hast. Jeder Schritt oben wirft etwas unwiederbringlich weg, und der Moment, in dem du merkst, dass du das Original brauchtest, ist nie der erwartete.

Liegt die Datei über etwa einem Megabyte pro Seite und ist tatsächlich gescannt, sind Rechnung und Abhilfen verschieden genug für einen eigenen Artikel: warum ein gescanntes PDF so groß ist. Und wenn gar nichts es kleiner macht, behandelt warum manche PDFs sich nicht komprimieren lassen die Dateien, die schon so klein sind, wie sie werden.

Vier Dinge, die du vorher wissen solltest

• Eine größere Datei ist keine kaputte Datei. Ein Dokument mit vier Revisionen öffnet korrekt, druckt korrekt und ist vollkommen gültiges PDF. Hängt nichts von der Größe ab, ist nichts zu tun.
• Ein signiertes Dokument neu zu schreiben zerstört die Signatur. Eine digitale Signatur deckt einen Bytebereich ab, also macht jedes Werkzeug, das eine neue Datei schreibt, sie ungültig — einschließlich aller hier, denn alle bauen neu auf. Inkrementelle Updates existieren teils genau dafür, dass signierte Dokumente kommentiert werden können, ohne dass das passiert. Ist die Signatur der Zweck des Dokuments, schick es durch gar nichts. Wie man ein PDF signiert behandelt den Unterschied zwischen einer Signatur und einem Bild davon.
• Manches Wachstum ist schlicht ein größer gewordenes Dokument. Ein Wasserzeichen auf jeder Seite, Seitenzahlen, ein Unterschriftsbild, eine tatsächlich fehlende und nun eingebettete Schrift: Das alles fügt Bytes hinzu, weil es Inhalt hinzufügt, und es gibt nichts zurückzuholen.
• Prüfe das Ergebnis, nicht die Zahl. Eine Datei, die 70 % kleiner und 70 % unschärfer zurückkommt, ist kein Erfolg. Öffne sie bei 100 %, lies einen Absatz, und wenn sie gedruckt wird, lies das Kleingedruckte; warum ist mein PDF unscharf behandelt, was du siehst, wenn es schiefgegangen ist.