Como a compressão de PDF realmente funciona
O que realmente acontece quando um PDF é comprimido?
Salve suas ferramentas favoritas
Crie uma conta grátis no iBuildPDF para guardar suas ferramentas favoritas e encontrá-las rapidamente quando quiser.
Conta grátis. As ferramentas PDF em si nunca precisam de uma.
Resposta curta
Em quase todo PDF grande, os bytes são fotos, então comprimir o arquivo significa decodificar essas imagens, reduzi-las e gravá-las de volta. Texto, vetores e estrutura já estão comprimidos e ficam como estão, a menos que você escolha o modo destrutivo que rasteriza páginas inteiras.
A resposta curta
Um PDF não é um bloco comprimido único. É uma coleção de objetos numerados — descrições de páginas, fontes, imagens, anotações, metadados — unidos por uma tabela de referências cruzadas, como define a ISO 32000-1, e cada objeto leva o seu próprio filtro de compressão. Não existe um único botão marcado “menor”; existem várias coisas diferentes que uma ferramenta pode fazer, atuando em partes completamente diferentes do arquivo.
Na prática, três delas importam. A otimização estrutural arruma o grafo de objetos e costuma ganhar muito pouco. A recompressão de imagens decodifica as fotos incorporadas, reduz as dimensões em pixels e as recodifica, e é daí que vem quase toda a economia real. A rasterização joga fora a descrição da página inteira e substitui cada página por uma imagem dela mesma; é a alavanca maior e a única destrutiva. Saber qual das três o seu arquivo precisa é a maior parte do problema.
Onde os bytes realmente estão
Um documento de texto de 40 páginas costuma ficar bem abaixo de um megabyte. Um contrato digitalizado de 10 páginas pode ter vinte vezes isso. A diferença não é o número de páginas: um arquivo guarda instruções, o outro guarda fotos.
Onde os bytes realmente estão
- Imagens. Em quase todo PDF grande, isso é praticamente o arquivo inteiro.
- Fontes incorporadas — algumas centenas de kilobytes, iguais quer o documento tenha 5 páginas ou 500.
- O próprio texto e a estrutura que o mantém unido. Normalmente, um erro de arredondamento.
O texto fica em um fluxo de conteúdo: um pequeno programa de operadores de desenho dizendo qual fonte, em qual tamanho, em quais coordenadas, com quais caracteres. Esse fluxo é guardado com o filtro Flate — o algoritmo DEFLATE da RFC 1951, a mesma compressão usada dentro do ZIP e do PNG. Ela já foi aplicada. Uma página de texto corrido custa poucos kilobytes; quarenta delas custam uma fração do que custa uma única foto.
Uma página digitalizada é o oposto. Não há texto nem descrição de layout: um único objeto de imagem, normalmente um JPEG, desenhado sobre a página inteira, e um fluxo de conteúdo de três ou quatro operadores. O arquivo são as imagens.
É por isso que “comprimir meu PDF” é quase sempre “recomprimir as imagens”, e por isso os resultados variam tanto entre arquivos que parecem parecidos. Um relatório cheio de fotos de produtos tem uma folga enorme. Um PDF só de texto quase não tem nenhuma: passe um compressor genérico nele e você normalmente ganha porcentagens de um dígito, porque a única coisa que sobrava para apertar já foi apertada. Se você não sabe que tipo de arquivo tem, o /pdf-page-count informa o número de páginas, os tamanhos de página e se há uma camada de texto.
Otimização estrutural e sem perdas
Antes de tocar em qualquer imagem, um gravador pode reorganizar o próprio arquivo. Nada visível muda e nada se perde. Há três ganhos comuns.
- Fluxos de objetos. A ISO 32000-1 permite empacotar muitos objetos pequenos que não são fluxos em um único fluxo comprimido, em vez de gravá-los um a um, cada um com a sua sobrecarga.
- Descartar objetos órfãos. Editar um PDF muitas vezes acrescenta em vez de reescrever. Uma página que você excluiu, uma fonte que você substituiu, uma versão anterior de uma anotação — tudo isso pode continuar no arquivo, sem nada que aponte para lá. Uma regravação completa mantém só o que o documento realmente referencia.
- Remover metadados. Propriedades do documento, pacotes XMP e dados privados de aplicativos podem ser removidos. São kilobytes, não megabytes, e o valor real disso é a privacidade, e não o tamanho; o /remove-pdf-metadata é a ferramenta para isso.
Seja realista quanto ao retorno. Em um PDF exportado uma única vez, de forma limpa, por um aplicativo moderno, a otimização estrutural costuma ganhar porcentagens de um dígito e às vezes quase nada, porque o exportador já fez isso. Em um arquivo aberto, editado e salvo de novo uma dúzia de vezes em vários aplicativos, os objetos órfãos podem ser uma parte considerável do arquivo, e uma regravação ganha bem mais. O que ela nunca vai fazer é transformar uma digitalização de 50 MB em uma de 2 MB.
Recomprimir as imagens: duas alavancas independentes
Depois de aceitar que as imagens são o problema, há exatamente duas coisas que você pode mudar em cada uma, e elas são independentes.
Resolução
A resolução efetiva de uma imagem não é uma propriedade só da imagem. É a largura em pixels dividida pela largura com que ela é realmente desenhada na página. Uma foto de 2400 pixels de largura ocupando uma página de 8 polegadas tem 300 DPI. O mesmo arquivo posto em um canto de uma polegada como logotipo tem 2400 DPI, e cada pixel além das primeiras centenas é invisível — detalhe que nenhuma tela e nenhuma impressora vai mostrar.
Então a pergunta útil nunca é “qual o tamanho desta imagem”, e sim “qual o tamanho dela em relação ao uso que tem”. A redução de amostragem redimensiona a grade de pixels para que a resolução efetiva caia em um valor sensato. Cerca de 150 DPI fica confortavelmente acima do que uma tela distingue e bem abaixo do que a impressão exige; abaixo de uns 100 DPI, o texto dentro de uma imagem digitalizada fica visivelmente mais suave.
Qualidade
O JPEG, especificado na ITU-T T.81, tem perdas por concepção: ele transforma blocos de pixels em coeficientes de frequência e os quantiza, descartando os detalhes a que o olho é menos sensível. A configuração de qualidade controla o quanto isso é agressivo. Qualidade baixa é menor e acaba produzindo artefatos de bloco e halos em volta das bordas nítidas — que é justamente onde fica o texto digitalizado, por isso as digitalizações toleram a redução de qualidade pior do que as fotos.
O que o iBuildPDF faz
O modo Inteligente do /compress-pdf percorre o grafo de objetos do PDF, encontra cada XObject de imagem incorporado, decodifica-o, reduz a amostragem para cerca de 150 DPI conforme o tamanho com que ele é realmente desenhado na página, recodifica-o como JPEG com qualidade 0,80 e substitui esse fluxo de imagem no mesmo lugar. O modo Forte é o mesmo mecanismo a cerca de 96 DPI e qualidade 0,58.
Os fluxos de conteúdo das páginas nunca são tocados. A consequência importa: o texto continua selecionável e pesquisável, os desenhos vetoriais continuam nítidos em qualquer zoom, e links, sumários, campos de formulário e anotações sobrevivem. Só mudam os pixels dentro dos objetos de imagem. Algumas imagens são puladas de propósito — por que alguns PDFs não podem ser comprimidos explica quais e por quê.
Rasterizar: a opção destrutiva
A última abordagem abandona o modelo de documento. Cada página é renderizada como um leitor a veria, salva como JPEG, e um PDF novo é montado contendo só essas imagens.
Ela funciona onde nada mais funciona, porque não se importa com o motivo de o original ser grande. Um mapa vetorial denso, com cem mil operações de desenho, vira uma única foto plana. Um documento cujas imagens estão todas em formatos que não podem ser recomprimidos vira um documento sem essas imagens. O tamanho do resultado depende só das dimensões da página e da qualidade do JPEG, e não do conteúdo do original.
O custo é alto e permanente:
- Nenhum texto selecionável. Nada pode ser copiado.
- Nenhuma pesquisa, em nenhum leitor, nunca.
- Links, marcadores, campos de formulário e anotações desaparecem.
- Os leitores de tela não têm nada para ler; o documento deixa de ser acessível.
- Os desenhos vetoriais passam a ter resolução fixa e ficam borrados quando ampliados ou impressos maiores.
O modo Máximo do iBuildPDF faz isso, e é o único modo destrutivo. A página o identifica como destrutivo antes de você rodá-lo, para que a escolha seja explícita, e não uma surpresa descoberta depois. Não há volta: o texto não fica escondido, ele deixa de existir no arquivo. O OCR consegue reconhecer as imagens das palavras e acrescentar de novo uma camada pesquisável, mas isso é uma leitura da imagem, e não o texto original, e pode conter erros. Guarde o original.
Como escolher uma abordagem
| Abordagem | O que muda | O texto continua selecionável | Uso típico |
|---|---|---|---|
| Estrutural / sem perdas | Organização dos objetos, objetos órfãos, metadados. Nenhuma mudança visível. | Sim | Arquivos editados e salvos de novo muitas vezes; limpeza de privacidade. |
| Recompressão de imagens (Inteligente, ~150 DPI, q0,80) | As fotos incorporadas são reduzidas e recodificadas. Fluxos de conteúdo intactos. | Sim | O padrão. Relatórios, folhetos, tudo o que tenha fotos. |
| Recompressão de imagens (Forte, ~96 DPI, q0,58) | O mesmo mecanismo, mais agressivo. Suavização visível em imagens com muitos detalhes. | Sim | Um limite rígido de tamanho que não dá para atingir de outro jeito, quando a legibilidade na tela basta. |
| Rasterização (Máximo) | Cada página vira uma imagem plana. Todo o resto é descartado. | Não | Último recurso: arquivos cheios de vetores, ou quando nada mais chegou perto. |
Uma ordem que funciona: comece com o Inteligente e olhe o resultado. Se ficou pequeno o bastante, pare — você não perdeu nada que importe. Se não ficou, descubra por que o arquivo é grande antes de subir de nível, porque o modo Forte só ajuda se o arquivo é grande por causa de fotos. Para todo o resto, veja por que alguns PDFs não podem ser comprimidos; se você está trabalhando com um limite fixo, deixar um PDF com menos de 1 MB mostra o que fazer quando a meta não pode ser atingida.
Tudo isso roda no seu navegador: o arquivo é lido com a File API e processado localmente pela pdf-lib e pelo PDF.js, e nada é enviado. O teto prático é a memória do seu dispositivo, e não um tamanho de arquivo fixo.
Ferramentas que este artigo aborda
Fontes
Documentação primária das afirmações acima.


