qpdf 12.4.0 的四个结构开关逐项实测后,结论很清楚:对象流是最稳定的单项优化,但除极端重复样本外,常规 PDF 很难靠结构重写明显变小。
纯文字样本 X1 从 137,782 字节降到 132,065 字节,单开对象流(把页面、字体等非流对象集中压缩)节省 4.15%;叠加 Flate 九级重压后约省 4.97%。扫描型样本 T2 只省 0.02%,图文报告 X2 只省 0.33%。
这是什么
这次比较的是 qpdf 的四个开关:对象流、Flate 九级重压、删除未引用资源,以及解码层级。每个开关在五份文件上单独运行,再用组合方案对照 PyMuPDF。
对象流适合字体、页面字典等“小对象”较多的纯文字 PDF;重复资源合并则能产生更大效果。构造样本 D1 中,5 份相同图片和字体各存一遍,PyMuPDF 的 garbage=4(合并重复流对象)把文件从 756,741 字节压到 152,455 字节,减少 79.85%。但这是专门制造的极端样本,不能当作日常平均值。
删除未引用资源也没有宣传中那么普遍有效:单独开启时五份文件几乎不变,只有配合 --pages 等页面操作时,才在另一份构造样本中删掉了未使用字体和图片。
行业怎么看
我们认为,这次结果更像是给“文件优化”划定了边界:先判断文件内容构成,再选择压缩策略。对企业归档、合同交付和知识库上传而言,先做字体子集化、资源去重和对象流整理,通常比笼统开启“最大压缩”更可控。
风险也很明确。实测只覆盖五份样本、部分操作只运行一次,PyMuPDF 的优势来自人工构造的高重复文件,不能外推成普遍效果。而且 Flate 重压可能让某些文件反而变大;默认重写就曾让 T1 和 D1 分别增加 0.07% 和 1.03%。另外,文中关于 decode-level 的作用仍是作者推断,尚未核实。
对普通人的影响
对企业 IT:批量处理合同、扫描件或报告时,应按文字、图片和重复资源分类测试,不要把单一压缩参数当作统一标准;上线前保留原文件,并记录体积、页数和可读性。
对个人职场:发送 PDF 前可先用对象流和适度重压缩组合,扫描件则不应期待明显变小。真正需要合并重复图片时,可能要换用专门工具。
对消费市场:“无损压缩”“一键瘦身”等宣传需要看文件结构。纯文字文件接近极限时,额外压缩收益有限;高重复文件才可能出现两位数改善。