PDF 压缩与重构：Ghostscript 背后的魔法

当一个 PDF 文件动辄几十兆，打开慢、传不了邮件、上传受限，就会让人怀疑：为什么一个十几页的文件能比电影还大？ 答案其实很简单：PDF 的“体积”来自内容的重复、冗余与无优化资源。 而能帮我们“瘦身”的核心工具之一，就是老牌神器——Ghostscript。

一、PDF 为什么会这么大？

要理解压缩，就得先知道“胖”从哪来。常见的原因包括：

• 扫描文件每页都是高分辨率图像。
• 重复嵌入字体（每页都打包一次）。
• 图片无损压缩或完全未压缩。
• 合并文件时未清理无效对象。
• 嵌入了冗余的元数据、缩略图。

这些问题累积起来，足以让文件膨胀十倍以上。PDF 自身是个开放容器，它不强制任何压缩策略——所以“优化”这件事就落到了我们身上。

二、Ghostscript 是谁？

Ghostscript 是一款开源的 PostScript 和 PDF 解释器，它能重写、转换和压缩 PDF。 它最早用于打印机驱动，但后来被广泛用作“PDF 重构器”——既能清理垃圾数据，也能重新压缩图像。

安装好后，只需一行命令：

gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 \\
   -dPDFSETTINGS=/ebook -dNOPAUSE -dQUIET -dBATCH \\
   -sOutputFile=output.pdf input.pdf

这条命令几乎能把 20MB 的文件压到 2MB 左右。

三、-dPDFSETTINGS 参数详解

这是 Ghostscript 的“压缩等级”选项：

通常我们用 /ebook 或 /printer，既清晰又小巧。

四、Ghostscript 背后的工作机制

Ghostscript 的“压缩”不是简单地减图像分辨率，而是完整地“重写”文件结构。 它会执行以下操作：

1. 解析 PDF 中的所有对象。
2. 重新编码图片（JPEG、Flate、JBIG2）。
3. 去除未使用的字体与嵌入资源。
4. 重新生成交叉引用表（Xref）。
5. 清空被标记为“空”的流对象。

换句话说，它会重新“打印”一个干净的 PDF，而不是直接“压缩原文件”。 这就是为什么 Ghostscript 能让文件更小，同时保持极高的兼容性。

五、不同类型 PDF 的压缩策略

不是所有文件都适合同一种策略。我们可以根据内容类型选择：

• 扫描件：建议先用 OCR 工具识别文字，再用 Ghostscript 压缩。
• 图文混排：使用 /printer 模式保留字体与排版。
• 电子合同：避免使用压缩，保持签名有效性。

举个例子，一个 40MB 的扫描 PDF，通过 /ebook 压缩后只有 5MB， 清晰度足以满足手机端阅读。

六、命令行进阶玩法

Ghostscript 还能按需自定义压缩策略：

gs -sDEVICE=pdfwrite -dDownsampleColorImages=true \\
   -dColorImageResolution=120 -dGrayImageResolution=120 \\
   -dMonoImageResolution=150 -sOutputFile=out.pdf in.pdf

这段命令手动设置了图片分辨率限制。 也可以搭配 -dDetectDuplicateImages=true 自动去除重复图片。

七、压缩与合规的平衡

压缩虽好，但对于政府归档、投标文件、电子发票等场景，不能一味追求体积。 一些压缩模式会破坏数字签名或去除元数据。 建议保存原件，再生成“压缩版”供传输使用。

八、实战案例

我们曾处理过一个学校校服投标文件，原件 180MB，全是高清扫描件。 使用 Ghostscript 重新压缩后仅 12MB，打印清晰、上传无误。 客户惊讶地问：“你是不是重新做了一遍？”——其实只是让 Ghostscript 重新“呼吸了一次”。

九、替代工具与可视化方案

• qpdf：轻量但不具备图像压缩功能。
• pdfcpu：Go 编写，可脚本化压缩与优化。
• PDF Optimizer：Adobe Acrobat 内置的图形化方案。

如果你想在服务器上批量处理上千个文件，Ghostscript 仍然是最稳的选择。

十、结语

PDF 压缩其实是一种“再创造”。它不仅仅是把文件变小，更是把无序的内容重新组织。 Ghostscript 的价值，不在于“压缩多少”，而在于它能让 PDF 文件重新获得结构上的优雅。

下次遇到一个超大 PDF，不妨敲一句命令，让它轻盈一点—— 毕竟，在字节的世界里，简洁本身就是一种美。