Mengapa sebagian PDF tidak bisa menjadi lebih kecil
Mengapa PDF saya tidak mau menjadi lebih kecil?
Simpan alat favorit Anda
Buat akun iBuildPDF gratis untuk menyimpan alat favorit Anda dan menemukannya dengan cepat kapan saja.
Akun gratis. Alat PDF-nya sendiri tidak pernah memerlukan akun.
Jawaban singkat
Biasanya karena memang tidak ada lagi yang bisa dikompres: file itu sudah dibuat efisien, atau ukurannya berasal dari font yang disematkan, karya vektor yang padat, atau format gambar yang tidak bisa dikompres ulang di browser. Kompresi gambar hanya membantu file yang byte-nya berupa foto.
Jawaban singkatnya
Setiap alat kompresi punya batas yang sama: alat itu hanya bisa membuang redundansi yang masih ada. Jika sebuah PDF menolak menyusut, hampir tidak pernah karena alatnya gagal. Penyebabnya adalah file itu tidak punya kelonggaran, atau sebagian besar isinya berada di bagian dokumen yang tidak dijangkau kompresi gambar.
Ada empat penyebab umum, dan masing-masing memerlukan penanganan berbeda. File sudah mendekati batas minimumnya. Ukurannya berasal dari font yang disematkan. Ukurannya berasal dari karya vektor. Atau gambarnya dalam format yang tidak bisa didekode dan dikodekan ulang di browser. Cari tahu dulu mana yang Anda hadapi — /pdf-page-count melaporkan jumlah halaman, ukuran halaman, dan apakah ada lapisan teks, dan biasanya itu sudah cukup untuk mengetahuinya.
File sudah dibuat efisien
Ini kasus yang paling umum dan paling tidak memuaskan. PDF yang diekspor sekali dari aplikasi modern biasanya sudah mendekati ukuran terkecil yang mungkin, karena kompresi umumnya sudah dijalankan.
Di mana byte-nya sebenarnya berada
- Gambar. Di hampir setiap PDF yang besar, ini hampir seluruh isi file.
- Font yang disematkan — beberapa ratus kilobyte, dan sama saja apakah dokumennya 5 halaman atau 500.
- Teksnya sendiri, dan struktur yang menyatukannya. Biasanya hanya selisih pembulatan.
Aliran konten halaman — instruksi yang menyatakan di mana teks diletakkan, font apa yang dipakai, bagaimana garis digambar — disimpan dengan filter Flate, algoritme DEFLATE dari RFC 1951, yang sama dengan yang ada di dalam ZIP dan PNG. Eksportir menerapkannya saat menulis file. Menjalankan DEFLATE pada data yang sudah di-DEFLATE tidak menghemat apa pun; keluaran terkompresi tampak seperti derau bagi kompresor, dan justru karena itulah data itu sudah terkompresi.
Jadi dokumen teks 40 halaman tanpa gambar tidak punya kelonggaran yang berarti. Optimasi struktural — mengemas ulang objek ke aliran objek, membuang objek yatim dari pengeditan sebelumnya, menghapus metadata — hanya menghemat persentase satu digit dan kadang hampir tidak sama sekali. Itu bukan keterbatasan alat tertentu; memang begitulah file itu.
Ada satu pengecualian yang layak diketahui. PDF yang dibuka, diedit, dan disimpan ulang berkali-kali di beberapa aplikasi bisa membawa banyak sampah tak terujuk dari versi-versi lamanya, dan menulis ulang file itu dengan benar menghemat jauh lebih banyak. Jika sebuah file tampak terlalu besar untuk isinya dan punya riwayat pengeditan yang panjang, kemungkinan besar itulah penjelasannya.
Font yang disematkan
PDF seharusnya tampak sama di mana pun. Janji itu dipenuhi dengan menaruh font di dalam file, agar dokumen tidak bergantung pada apa yang kebetulan terpasang di komputer pembaca. Itulah salah satu alasan format ini ada, dan itu memakan byte.
Berapa banyak tergantung font-nya. Subset — hanya glif yang benar-benar dipakai dokumen — dari font teks Latin biasanya puluhan kilobyte dan tidak perlu dikhawatirkan. Font lengkap tanpa subset lebih besar. Font CJK, yang mencakup bahasa Tionghoa, Jepang, atau Korea, bisa mencapai beberapa megabyte sendirian, karena berisi ribuan glif. Sematkan dua ketebalan dari font semacam itu dan Anda mendapat PDF berukuran beberapa megabyte yang berisi satu halaman teks.
Subset yang buruk adalah ketidakefisienan yang nyata dan bisa diperbaiki, tetapi perbaikannya adalah mengekspor ulang dari dokumen sumber dengan subset diaktifkan — pekerjaan untuk aplikasi yang membuat PDF itu, bukan untuk kompresor.
Yang tidak boleh Anda lakukan adalah membuang font-nya. PDF yang font-nya dihapus akan ditampilkan dengan font pengganti di komputer mana pun yang tidak punya font aslinya: metrik bergeser, pemisah baris berpindah, tata letak berantakan, dan karakter bisa hilang sama sekali. Dokumen itu diam-diam berhenti menjadi dokumen yang sama. iBuildPDF tidak membuang font yang disematkan, dalam mode apa pun, tepat karena alasan ini.
Karya vektor yang padat
Peta, ekspor CAD, denah lantai, grafik dengan puluhan ribu titik: semuanya tampak seperti gambar padahal bukan. Semuanya gambar vektor, jadi aliran konten halaman menyimpan satu operasi gambar untuk setiap garis, kurva, isian, dan jalur potong di dalamnya. Peta yang detail bisa berisi ratusan ribu operasi. Itulah isi file-nya.
Tidak ada tuas kualitas gambar yang bisa ditarik, karena memang tidak ada gambar. Tidak ada yang bisa diturunkan resolusinya, tidak ada yang bisa dikodekan ulang, tidak ada pengaturan kualitas JPEG yang berlaku. Jalankan kompresi gambar pada file seperti ini dan alat itu akan dengan benar melaporkan bahwa tidak ada yang bisa dikerjakan, dan hasilnya berukuran sama dengan masukannya. Itu bukan kegagalan; itulah hasil yang jujur. Aliran kontennya, seperti biasa, sudah dikompres dengan Flate, jadi tuas umum pun sudah ditarik.
Pilihan sebenarnya adalah menyederhanakan karya itu di aplikasi pembuatnya — lebih sedikit jalur, lebih sedikit detail tersembunyi, lapisan yang tidak perlu dibuang — atau melepaskan vektornya dan merasterisasi, yang dibahas di bawah. Penghiburannya, file vektor tidak bergantung pada resolusi: peta 500 KB tercetak sempurna di ukuran berapa pun, sedangkan foto peta 500 KB tidak.
Format gambar yang tidak bisa dikompres ulang
Kadang file itu memang berisi gambar tetapi gambarnya tetap tidak bisa disentuh, karena browser tidak bisa mendekodenya. Kompresi ulang berarti mendekode piksel aslinya terlebih dahulu, dan alat berbasis browser hanya punya dekoder yang disertakan browser.
- JPEG 2000 (JPXDecode). Penerus JPEG berbasis wavelet, dipakai di sebagian alur kerja pemindaian arsip, medis, dan profesional. Browser tidak mendukungnya secara andal — tidak ada dekoder JPX bawaan yang bisa diandalkan, jadi tidak ada cara aman untuk mendapatkan pikselnya.
- JBIG2. Format untuk gambar pindaian bilevel (hitam-putih murni). Format ini mengenali bentuk yang berulang — huruf yang sama muncul seribu kali di satu halaman — dan menyimpan setiap bentuk sekali saja. Format ini sangat efisien untuk teks hasil pindaian dan JPEG tidak bisa mengunggulinya.
- Faks CCITT Grup 3 dan Grup 4. Pengodean faks bilevel klasik, yang masih dihasilkan pemindai dokumen dan printer multifungsi. Setiap piksel adalah satu bit, jadi hasilnya biasanya sudah lebih kecil daripada JPEG mana pun yang bisa kami buat dari halaman yang sama; mengubah pindaian bilevel yang tajam menjadi JPEG justru akan membuatnya lebih besar sekaligus lebih buruk, dengan lingkaran abu-abu di sekitar setiap huruf.
Hal-hal lain juga sengaja dilewati: stencil mask dan apa pun yang dipakai sebagai /SMask atau /Mask, gambar yang lebih kecil dari sekitar 100×100 piksel, sampel mentah dengan selain 8 bit per komponen, ruang warna yang tidak bisa dipetakan secara andal seperti Separation, DeviceN, dan Lab, serta JPEG CMYK di browser yang gagal dalam uji dekode saat awal.
Saat iBuildPDF melewati sebuah gambar, alat ini menghitung dan melaporkan apa yang dilewati, bukan diam-diam tidak melakukan apa-apa. Jika file Anda hampir tidak berubah dan hasilnya menyatakan sebagian besar gambarnya dilewati, itulah penjelasannya.
Apa yang benar-benar membantu
Sesuaikan solusinya dengan penyebabnya.
- Sudah dibuat efisien. Terima saja, atau ubah apa yang Anda kirim — pisahkan dokumennya, atau kirim tautan alih-alih lampiran. Tidak ada pengaturan yang akan membantu.
- File yang sering disimpan ulang. Penulisan ulang yang bersih membuang objek yatim yang menumpuk; mengekspor ulang dari aplikasi sumber juga sama.
- Font. Ekspor ulang dengan subset diaktifkan. Jangan hapus font-nya.
- Vektor. Sederhanakan gambarnya di sumber, atau rasterisasi.
- Format gambar yang dilewati. JBIG2 atau CCITT berarti file itu kemungkinan besar sudah mendekati batas minimumnya; biarkan saja. Untuk JPEG 2000, mengekspor ulang dari perangkat lunak pemindai dengan keluaran JPEG biasa umumnya menghasilkan file yang kemudian bisa dikompres seperti biasa.
Untuk file yang penuh vektor, rasterisasi adalah satu-satunya tuas yang tersisa. Mode Maksimum di /compress-pdf merender setiap halaman dan menggantinya dengan JPEG dari halaman itu, sehingga ukuran hasilnya hanya bergantung pada dimensi halaman dan kualitasnya, bukan pada kerumitan gambarnya. Cara ini berhasil. Ini juga satu-satunya mode yang merusak, dan halaman menyatakannya sebelum Anda menjalankannya: hasilnya tidak punya teks yang bisa dipilih, tidak bisa dicari, tidak bisa disalin-tempel, tanpa tautan atau kolom formulir yang berfungsi, tanpa apa pun untuk pembaca layar, dan karya vektornya menjadi buram saat diperbesar atau dicetak lebih besar. OCR bisa menambahkan kembali lapisan yang bisa dicari setelahnya, tetapi itu hasil membaca gambar, bukan teks aslinya. Simpan file aslinya.
Untuk mekanisme apa yang diubah setiap mode, lihat cara kerja kompresi PDF.
Alat yang dibahas artikel ini
Sumber
Dokumentasi utama untuk klaim di atas.


