如何知道 PDF 文件是否被压缩并（解）压缩它

Question

我刚刚了解到可以压缩 PDF 文件以减少其磁盘大小。

1. 我想知道如何知道 PDF 文件是否已经被压缩？
2. 哪些应用程序/命令可用于压缩或解压缩 PDF 文件？

我的环境是 Linux Ubuntu 10.10。

---

一些尝试没有给出令人满意的结果：

1. 以下是尝试的结果pdftk：

   $ pdftk 3.pdf output 5.pdf uncompress 
   $ pdftk 3.pdf output 3comp.pdf compress 
   $ ls -l 3.pdf 3comp.pdf 5.pdf
   -rwxrwx--- 1 root plugdev  8652269 2011-07-30 12:27 3comp.pdf
   -rwxrwx--- 1 root plugdev  8652319 2011-07-29 22:15 3.pdf
   -rwxrwx--- 1 root plugdev 16829828 2011-07-30 12:27 5.pdf
   

   文件的属性表明它们都没有优化。

2. 转换为 ps 然后返回 pdf 的结果：

   $ pdf2ps 3.pdf 3.ps
   $ ps2pdf 3.ps 3c.pdf
   $ ls -l 3.pdf 3.ps 3c.pdf
   -rwxrwx--- 1 root plugdev   8808946 2011-07-30 13:14 3c.pdf
   -rwxrwx--- 1 root plugdev   8652319 2011-07-29 22:15 3.pdf
   -rwxrwx--- 1 root plugdev 122375966 2011-07-30 13:14 3.ps
   

Answer 1

简而言之：

要知道它是否已经压缩：

strings your.pdf | grep /Filter

要（解）压缩 PDF，请使用QPDF

qpdf --stream-data=compress your.pdf compressed.pdf
qpdf --stream-data=uncompress compressed.pdf uncompressed.pdf  

解释：

pdf 文件中的“过滤器”关键字是所用压缩方法的指示符。他们之中有一些是：

CCITT G3/G4 – 用于单色图像
JPEG – 一种用于图像的有损算法
JPEG2000 – JPEG 的更现代替代品，也用于压缩图像
Flate – 用于压缩文本和图像
JBIG2 – 替代品单色图像的 CCITT 压缩
LZW – 用于压缩文本和图像，但被 Flate
RLE取代– 用于单色图像
ZIP – 用于灰度或彩色图像

（从这里复制）。

然而，鉴于 PDF 复杂的文件结构，大多数时候 PDF 的某些部分（或“流”）已经以某种方式被压缩（并且会在 grepping /Filter 时显示）而其他部分则不会，所以对于 PDF 是否被压缩的问题，没有 YES/NO 答案。
解决这个问题的一种方法是向-cgrep添加选项，它返回出现的次数，因此您可以相对了解它的压缩程度。例如，如果strings "large.pdf" | grep -c /Filter返回小于 10，则它是非常未压缩的。

另一个与 PDF 大小相关的属性是，它们是否已针对快速访问进行了优化，“优化”的 PDF 的大小更大，引用自维基百科：

PDF 文件有两种布局——非线性（非“优化”）和线性（“优化”）。非线性 PDF 文件比线性 PDF 文件消耗更少的磁盘空间，但它们的访问速度较慢，因为组装文档页面所需的部分数据分散在整个 PDF 文件中。线性 PDF 文件（也称为“优化的”或“网络优化的”PDF 文件）的构造方式使它们能够在 Web 浏览器插件中读取，而无需等待整个文件下载，因为它们以一种方式写入磁盘线性（按页面顺序）方式。PDF 文件可以使用 Adob​​e Acrobat 软件或 QPDF 进行优化。

您可以使用pdfinfo your.pdf.

Answer 2

pdftk是一个对 PDF 文件进行一些操作的工具，比如压缩/解压：

$ pdftk test.pdf output compressed_test.pdf compress