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(它定义了一些您可能想要覆盖的整体默认值):
基本上,它告诉您如何让 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(有时可以,有时不能 - 取决于嵌入字体的复杂性以及 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。如果您将图像用作徽标或页面背景,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 1 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 的分辨率在页面上呈现。
如果我们像这样在pdftk 的帮助下连接此文件的 3 个副本:
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
通过用参考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。)