Warum wurde mein PDF kaum kleiner?
Ich habe mein PDF komprimiert und es ging von 4,1 MB auf 4,0 MB runter. Ist das Tool kaputt?
Ein PDF ist ein Aktenschrank
Die Vorstellung, die zu dieser Enttäuschung führt, ist die von einem PDF als Bild eines Dokuments. Das ist es nicht. Ein PDF ist, wie in ISO 32000 definiert, ein Behälter für nummerierte Objekte: Seitenbäume, Content-Streams voller Zeichenoperatoren, eingebettete Schriftprogramme, Bild-XObjects, Formularfelder, Annotationen, Gliederungen und eine Querverweistabelle, die angibt, wo jedes Objekt beginnt.
Die meisten dieser Objekte sind bereits komprimiert. Content-Streams sind üblicherweise Flate-codiert, also mit demselben Algorithmus wie eine ZIP-Datei. Eingebettete Fotos liegen meist als DCT-Streams vor, das heißt als unverändert durchgereichte JPEG-Daten. Wenn ein Allzweckkompressor sich ein PDF ansieht, sieht er also eine Kiste voller Dinge, die jedes für sich schon einmal komprimiert wurden.
Finden Sie heraus, wo die Bytes sitzen, bevor Sie irgendetwas komprimieren
Die mit Abstand nützlichste Diagnose ist zu wissen, welche Art Dokument Sie vor sich haben, denn daraus lässt sich das Ergebnis fast vollständig vorhersagen.
| Dokumentart | Wo die Bytes sitzen | Was strukturelles Speichern ausrichtet |
|---|---|---|
| Textbericht aus einer Textverarbeitung | Eingebettete Schriftprogramme und kleine Content-Streams | Sehr wenig; der Inhalt ist bereits dicht |
| Gescannte Seiten | Ein großes Bild pro Seite | Fast nichts, ohne die Bilder anzurühren |
| Präsentationsexport | Eingebettete Fotos und Farbverläufe | Etwas, wenn Bilder über mehrere Folien hinweg doppelt vorliegen |
| Technische Zeichnung | Lange Vektor-Content-Streams | Etwas, durch Neucodieren der Streams und Entfernen ungenutzter Objekte |
| Formular mit Anhängen | Eingebettete Dateien, JavaScript, Annotations-Dictionaries | Viel, wenn die Beigaben entfernt werden dürfen |
Was strukturelles Speichern tatsächlich entfernt
Strukturelles Speichern schreibt das Dokument neu, ohne das Aussehen einer einzigen Seite zu verändern. Es kann Objekte wegwerfen, auf die nichts mehr verweist und die sich mit jedem inkrementellen Bearbeiten und Speichern ansammeln. Es kann die Querverweistabelle komprimieren und kleine Objekte in Objekt-Streams packen. Es kann Dokument-Metadaten, Vorschaubilder und den Bearbeitungsverlauf entfernen, den manche Erzeugerprogramme hinterlassen.
Bei einem Dokument, das viele Male bearbeitet und neu gespeichert wurde, kann das viel bringen. Bei einem Dokument, das einmal sauber aus einer Textverarbeitung exportiert wurde, gibt es nichts einzusammeln: Die Datei ist bereits nahe an ihrer kleinstmöglichen Form, und hundert Kilobyte weniger bei vier Megabyte sind genau das Ergebnis, das zu erwarten war.
Warum sich ein Textdokument sperrt
In einem Text-PDF entfällt ein großer Teil der Datei meist auf eingebettete Schriften. Ein Schriftprogramm ist eine kompakte Binärdatei mit Glyphenkonturen und Hinting-Anweisungen, und es ist da, weil das Dokument auf einem Rechner identisch aussehen muss, auf dem diese Schriftart nicht installiert ist. Wegkomprimieren lässt es sich nicht, ohne es weiter zu subsetten oder zu entfernen – und Entfernen verändert das Aussehen der Seite.
Der Text selbst ist winzig. Hundert Seiten Fließtext sind ein paar hundert Kilobyte Zeichen vor der Komprimierung. Wenn Ihr Text-PDF groß ist, schauen Sie auf die Schriften und auf Bilder, die sich hinter dem Text verstecken – ein in jeder Kopfzeile wiederholtes Logo, ein Wasserzeichen im Hintergrund – und nicht auf die Wörter.
Warum ein Scan in sich zusammenfällt
Eine gescannte Seite ist ein großes Foto eines Blattes Papier, oft mit 300 Punkten pro Zoll oder mehr aufgenommen. Eine A4-Seite mit 300 DPI hat rund 2480 × 3508 Pixel – knapp neun Millionen davon, für eine Seite, deren Informationsgehalt ein paar Kilobyte Text beträgt. Deshalb sprechen Scans so drastisch auf gerasterte Komprimierung an: Die Renderauflösung zu senken und die Seitenbilder neu zu codieren greift genau den Teil der Datei an, der tatsächlich groß ist.
Und genau deshalb ist dieser Modus zerstörend. Sobald eine Seite ein Bild ist, sind die durchsuchbare Textebene, die Links, die Formularfelder, die Annotationen, die getaggte Barrierefreiheitsstruktur und jede digitale Signatur weg. FileSlimmer behandelt die Rasterung als eigenen, klar gekennzeichneten Modus mit genau dieser Warnung und nicht als stillen Notbehelf, wenn das strukturelle Speichern enttäuscht.
Warum Ihnen niemand eine Zahl versprechen kann
Eine Zielgröße für ein PDF ist eine Suche über Renderauflösung und Bildqualität, und diese Suche hat eine Untergrenze: Unterhalb einer bestimmten Auflösung hört der Text auf einem Scan auf, lesbar zu sein. Ob ein bestimmtes Dokument oberhalb dieser Grenze ein bestimmtes Budget erreicht, hängt von der Seitenzahl, der Farbdeckung, dem Anteil fotografischer Inhalte und dem Rauschen des Scanners ab. Zwei Dokumente mit derselben Seitenzahl können sehr unterschiedlich groß enden.
Das ehrliche Verhalten ist, an der Untergrenze aufzuhören und zu melden, wo die Suche stehen geblieben ist – genau das tun die PDF-Zielvorgaben von FileSlimmer. Ein Tool, das die eingetippte Zahl immer trifft, lügt entweder über die Zahl oder zerstört das Dokument, um sie zu erreichen.
Bevor Sie dem Tool die Schuld geben
- Prüfen Sie, ob das PDF ein Scan ist. Versuchen Sie, eine Textzeile zu markieren: Lässt sich mit dem Cursor nichts markieren, ist jede Seite ein Bild.
- Setzen Sie die Seitenzahl ins Verhältnis zur Größe. Eine 40-MB-Datei mit drei Seiten ist bildlastig; eine 40-MB-Datei mit 900 Seiten kann völlig angemessen sein.
- Prüfen Sie, ob das Dokument verschlüsselt ist. Ein passwortgeschütztes PDF lässt sich überhaupt nicht umstrukturieren, solange es nicht entsperrt ist.
- Prüfen Sie, ob es signiert ist. Ein signiertes Dokument neu zu schreiben macht die Signatur ungültig, und das ist meist schlimmer als eine große Datei.
- Prüfen Sie, was Sie wirklich brauchen. Die sechs Seiten herauszulösen, die Sie verschicken müssen, schlägt oft das Komprimieren aller neunzig.
Passende Tools
Quellen
- ISO 32000-2 — Document management, Portable Document Format
- Adobe — PDF 32000-1:2008, the freely published PDF 1.7 specification
- PDF Association — ISO 32000 and the PDF standards family