PyPDF4 - 导出的 PDF 文件太大

Question

我有一个大约 7000 页和 479 MB 的 PDF 文件。如果页面包含特定单词，我已经使用 PyPDF4 创建了一个 python 脚本来仅提取特定页面。该脚本有效，但新的 PDF 文件，尽管它只有原始 7000 页的 650 页，但现在比原始文件有更多的 MB（准确地说是 498 MB）。

有没有办法降低新PDF的文件大小？

我使用的脚本：

from PyPDF4 import PdfFileWriter, PdfFileReader
import os
import re


output = PdfFileWriter()

input = PdfFileReader(open('Binder.pdf', 'rb')) # open input

for i in range(0, input.getNumPages()):
    content = ""
    content += input.getPage(i).extractText() + "\n"


    #Format 1
    RS = re.search('FIGURE', content)
    RS1 = #... Only one search given as example. I have more, but are irrelevant for the question.
    #....

    # Format 2
    RS20 = re.search('FIG.', content)
    RS21 = #... Only one search given as example. I have more, but are irrelevant for the question.
    #....

    if (all(v is not None for v in [RS, RS1, RS2, RS3, RS4, RS5, RS6, RS7, RS8, RS9]) or all(v is not None for v in [RS20, RS21, RS22, RS23, RS24, RS25, RS26, RS27, RS28, RS29, RS30, RS30])):
        p = input.getPage(i)
        output.addPage(p)

#Save pages to new PDF file
with open('ExtractedPages.pdf', 'wb') as f:
    output.write(f)

Answer 1

经过大量搜索找到了一些解决方案。导出的 PDF 文件的唯一问题是未压缩。所以我需要一个解决方案来压缩 PDF 文件：

1. PyPDF2 和/或 PyPDF4 没有压缩 PDF 的选项。PyPDF2 有compressContentStreams()方法，它不起作用。

2. 找到了一些其他声称可以压缩 PDF 的解决方案，但没有一个对我有用（在此处添加它们以防万一它们对其他人有用）： pylovepdf；pdfsizeopt ; pdf文件

3. 第一个对我有用的解决方案是 Adob​​e Acrobat Professional。它将大小从 498 MB 减少到 2.99 MB。

4. [最佳解决方案] 作为替代的开源解决方案，我发现了concurrentpdf。对于 Windows，您可以下载预先构建的 PDF 挤压工具。然后在cmd中：

   cpdfsqueeze.exe input.pdf output.pdf

这实际上比 Adob​​e Acrobat 更能压缩 PDF。从 498 MB 到 2.48 MB。从原始压缩到 0.5%。我认为这是最好的解决方案，因为它可以添加到您的 Python 代码中。

5. 编辑：找到另一个也有 GUI 的免费解决方案。PDFsam。您可以对一个 PDF 文件使用合并功能，并在高级设置中确保选中压缩输出。这从 498 压缩到 3.2 MB。