是什么让一些 pdf 文件比其他文件小得多？

【问题标题】：What makes some pdf files much smaller than others?是什么让一些 pdf 文件比其他文件小得多？
【发布时间】：2014-12-02 03:20:49
【问题描述】：

我有许多 PDF 教科书，其中一些 1000 页的大小超过 400 兆字节，而其他（看起来质量相似）只有 10 兆字节的 1500 页！我认为这可能是图像质量，但图像的质量非常相似。接下来，我在放大时查看了文本，发现较大的书籍看起来像是光栅化的文本，而较小的文件看起来像是带有矢量文本。是这个吗？

如果是这样，我该如何开始制作矢量格式的 PDF 文件？是否可以扫描文档/使用 OCR 识别文本，然后以某种方式将光栅化文本转换为矢量格式？另外，能不能把光栅化的文字转成矢量格式？

干杯，埃文斯

【问题讨论】：

【解决方案1】：

在您的两种不同 PDF 类型的样本上检查此命令：

 pdfimages -list -f 1 -l 10 the.pdf

（您的 PDF 图像版本应该是最近的版本，即 Poppler 变体。）这将为您提供前 10 页中所有图像的列表。它还列出了以像素为单位的图像尺寸（宽度、高度），以及图像大小（以字节为单位）和相应的压缩。）如果你能忍受，你也可以运行：

 pdfimages -list the.pdf

这将为您提供所有个页面中的所有个图像的列表。

我敢打赌，较大的会列出更多的图像。

来自扫描的 PDF 与“天生数字化”的 PDF？

同时运行：

 pdffonts -f 1 -l 10 the.pdf

和

 pdffonts the.pdf

我的猜测是：您的 large PDF 类型没有列出任何字体。这意味着，这些 PDF 的页面很可能来自扫描文件。

较小的是“天生的数字”...

【讨论】：