PDF कंप्रेशन स्कैन पर शानदार क्यों काम करता है और रिपोर्ट पर लगभग नहीं
प्रकाशित 2026-07-20
दो अलग-अलग PDFs को एक ही कंप्रेसर से गुज़ारें और आपको बेहद अलग नतीजे मिल सकते हैं: 40 MB का स्कैन किया गया कॉन्ट्रैक्ट 3 MB तक गिर जाता है, जबकि 8 MB की एक सालाना रिपोर्ट ज़िद के साथ कुछ प्रतिशत से ज़्यादा घटने से इनकार कर देती है। दोनों में से कोई भी नतीजा यह नहीं दिखाता कि टूल खराब है। फ़र्क़ इस बात में है कि ये दोनों फ़ाइलें असल में किससे बनी हैं।
PDF एक कंटेनर है, एक ही तरह की फ़ाइल नहीं
एक PDF पेज दो मूल रूप से अलग तरह के कंटेंट को रख सकता है। पहला है वेक्टर कंटेंट: टेक्स्ट जो ड्रॉइंग इंस्ट्रक्शन के रूप में स्टोर होता है ("इस एम्बेडेड फ़ॉन्ट से A अक्षर को इन कोऑर्डिनेट्स पर, साइज़ 11 में रखें"), साथ ही गणितीय रूप से बताई गई लाइनें, शेप्स, और फ़िल। दूसरा है रास्टर कंटेंट: असली इमेजें, जो फ़ाइल के अंदर JPEG या PNG जैसी डेटा स्ट्रीम के रूप में एम्बेडेड होती हैं। PDF कंप्रेशन से जुड़ा लगभग हर सवाल इन दोनों के बीच के अनुपात पर आकर टिकता है।
सिर्फ़ टेक्स्ट वाला एक पेज हैरान करने वाला छोटा होता है। एक घने कॉन्ट्रैक्ट पेज के ड्रॉइंग इंस्ट्रक्शन कंप्रेस होने के बाद आम तौर पर 2 से 10 KB के होते हैं, और एम्बेडेड फ़ॉन्ट पूरे डॉक्यूमेंट में शेयर होते हैं, आम तौर पर कुल मिलाकर कुछ दसियों KB। इसके विपरीत, एक स्कैन किए गए पेज में, जहां तक फ़ाइल फ़ॉर्मैट का सवाल है, कोई टेक्स्ट होता ही नहीं। यह कागज़ के एक टुकड़े की एक बड़ी फ़ोटोग्राफ़ है।
टेक्स्ट-भारी PDFs मुश्किल से क्यों सिकुड़ते हैं
PDF के अंदर टेक्स्ट और वेक्टर कंटेंट पहले से ही Flate से कंप्रेस्ड होता है, वही एल्गोरिद्म जो ZIP फ़ाइलें इस्तेमाल करती हैं। पहले से कंप्रेस्ड डेटा को कंप्रेस करने से लगभग कुछ नहीं मिलता; यह एक गणितीय गुण है, सॉफ़्टवेयर की सीमा नहीं। तो जब एक कंप्रेसर 200 पेज के सिर्फ़-टेक्स्ट डॉक्यूमेंट को प्रोसेस करता है जिसका वज़न 1.5 MB है, यानी प्रति पेज करीब 7 KB, तो काटने के लिए वाक़ई ज़्यादा फ़ालतू चर्बी नहीं होती। असली फ़ायदे हाउसकीपिंग से आते हैं: इस्तेमाल न होने वाले ऑब्जेक्ट हटाना, दोहराए गए रिसोर्स को डीड्युप्लिकेट करना, और पूरी तरह एम्बेड किए गए फ़ॉन्ट को सबसेट करना। एक साफ़-सुथरे टेक्स्ट डॉक्यूमेंट पर 5 से 15 प्रतिशत की उम्मीद रखें, कभी-कभी उससे भी कम।
किसी भी ऐसे टूल पर शक करें जो सिर्फ़-टेक्स्ट PDF पर 70 प्रतिशत की कमी का दावा करे। आम तरीका है रास्टराइज़ करना: हर पेज को एक कंप्रेस्ड इमेज में बदल देना। फ़ाइल वाक़ई छोटी हो जाती है, लेकिन ज़्यादा ज़ूम करने पर टेक्स्ट धुंधला हो जाता है, अब उसे सिलेक्ट या सर्च नहीं किया जा सकता, और स्क्रीन रीडर काम करना बंद कर देते हैं। यह एक कन्वर्ज़न है, कंप्रेशन नहीं, और किसी रिपोर्ट के लिए यह लगभग कभी वह नहीं है जो आप चाहते हैं।
स्कैन इतने नाटकीय रूप से क्यों सिकुड़ते हैं
A4 पेज का एक स्टैंडर्ड 300 DPI स्कैन करीब 2480 बाय 3508 पिक्सेल का होता है, यानी प्रति पेज लगभग 8.7 मिलियन पिक्सेल। स्कैनर सॉफ़्टवेयर आम तौर पर सावधान रहता है, हाई JPEG क्वालिटी पर या यहां तक कि लॉसलेस सेव करता है, जिससे प्रति पेज 2 से 8 MB बनते हैं। इससे कंप्रेसर को दो बड़े लीवर मिलते हैं।
पहला है डाउनसैंपलिंग। 300 DPI से 150 DPI पर आने से पिक्सेल काउंट चौथाई हो जाता है, और स्क्रीन पर पढ़ने के लिए फ़र्क़ मुश्किल से नज़र आता है। दूसरा है ज़्यादा मज़बूत JPEG सेटिंग पर दोबारा एनकोड करना: क्वालिटी 90 से क्वालिटी 60 पर जाने से साइज़ फिर से आधा हो सकता है, और किसी फ़ोटोग्राफ़ किए गए डॉक्यूमेंट पर सिर्फ़ मामूली नज़र आने वाला बदलाव होता है। दोनों लीवर एक साथ लगाएं और 80 से 95 प्रतिशत की कमी आम बात हो जाती है। यह बिल्कुल वही फ़िज़िक्स है जो एक फ़ोटो कंप्रेस करने में लगती है, जिसे हमने अपनी इमेज कंप्रेशन गाइड में ज़्यादा गहराई से कवर किया है।
बीच की फ़ाइलें
ज़्यादातर असली दुनिया के डॉक्यूमेंट दोनों छोर के बीच में होते हैं: चार्ट और फ़ोटो वाली रिपोर्ट, स्लाइड-डेक एक्सपोर्ट, ब्रोशर। यहां वह हिस्सा है जो साफ़ नज़र नहीं आता: ऐसे डॉक्यूमेंट में भी जो ज़्यादातर टेक्स्ट जैसा दिखता है, इमेजें आम तौर पर बाइट काउंट पर हावी होती हैं। दस एम्बेडेड फ़ोटो वाली 12 MB की रिपोर्ट में 11 MB फ़ोटो और बाक़ी सब कुछ मिलाकर सिर्फ़ 1 MB हो सकता है, इसलिए कंप्रेशन सिर्फ़ फ़ोटो वाले हिस्से पर ही असर डाल सकता है। कुछ क्लासिक ब्लोट पैटर्न भी जानने लायक हैं: कुछ डॉक्यूमेंट जनरेटर एक ही लोगो इमेज को एक बार रेफ़र करने की बजाय हर पेज पर अलग-अलग एम्बेड करते हैं, और कुछ पूरी फ़ॉन्ट फ़ैमिली एम्बेड कर देते हैं जहां 40-ग्लिफ़ का सबसेट काफ़ी होता। एक अच्छा कंप्रेसर दोनों को चुपचाप ठीक कर देता है।
प्रेज़ेंटेशन एक्सपोर्ट का ख़ास ज़िक्र बनता है। PDF में एक्सपोर्ट की गई स्लाइड्स अक्सर हर एक पेज पर फ़ुल-रिज़ॉल्यूशन बैकग्राउंड इमेज लेकर आती हैं, साथ ही ऐसी फ़ोटो जो किसी भी प्रोजेक्टर के दिखा पाने से कहीं ज़्यादा रिज़ॉल्यूशन में रखी गई होती हैं। यही वजह है कि 40-स्लाइड का डेक 100 MB की PDF बन जाता है, और यही वजह है कि डेक्स कंप्रेस करने के लिए सबसे संतोषजनक फ़ाइलों में से हैं: वही डाउनसैंपलिंग जो टेक्स्ट रिपोर्ट को मुश्किल से छूती है, एक डेक को 90 प्रतिशत तक घटा सकती है, बिना मीटिंग में किसी को इसका पता चले।
शुरू करने से पहले अपने नतीजे का अंदाज़ा लगाना
फ़ाइल साइज़ को पेज काउंट से भाग दें। 50 KB प्रति पेज से कम पर, आप ज़्यादातर टेक्स्ट देख रहे हैं और आपको सिंगल-डिजिट प्रतिशत फ़ायदे की उम्मीद रखनी चाहिए। 100 से 300 KB प्रति पेज के बीच आम तौर पर मिक्स्ड कंटेंट का मतलब होता है, जहां 30 से 60 प्रतिशत असल है। 800 KB प्रति पेज से ऊपर लगभग हमेशा एक स्कैन या फ़ोटो-भारी डॉक्यूमेंट का मतलब होता है, और 80 से 95 प्रतिशत मुमकिन है।
पक्का नहीं कि कोई PDF असली टेक्स्ट डॉक्यूमेंट है या स्कैन? अपने व्यूअर में टेक्स्ट सिलेक्ट करने की कोशिश करें। या इसे टेक्स्ट एक्सट्रैक्ट टूल से चलाएं: अगर कुछ नहीं निकलता, तो हर पेज एक इमेज है।
ईमानदार सीमाएं
लॉसी कंप्रेशन जमा होता जाता है। क्वालिटी 60 पर कंप्रेस किया गया स्कैन, अगर बाद में किसी और द्वारा फिर से कंप्रेस किया जाए, तो तेज़ी से बिगड़ता है, इसलिए अपना ओरिजिनल रखें। एक डाउनसैंपल्ड स्कैन OCR और दोबारा प्रिंटिंग के लिए भी एक बदतर इनपुट है; अगर किसी डॉक्यूमेंट को बाद में इनमें से कोई भी चीज़ चाहिए हो सकती है, तो फ़ुल-रिज़ॉल्यूशन वर्ज़न आर्काइव करें और कंप्रेस्ड वर्ज़न शेयर करें। और अगर कोई PDF दो या तीन ख़ास फ़ोटो की वजह से बहुत बड़ी है, तो कभी-कभी पहले उन इमेजों को इमेज कंप्रेसर से छोटा करना और फिर ठीक किए गए वर्ज़न से डॉक्यूमेंट को दोबारा बनाना ज़्यादा साफ़ तरीका होता है।
इन सीमाओं के अंदर, कंप्रेशन उन सबसे असरदार चीज़ों में से एक है जो आप किसी स्कैन किए गए डॉक्यूमेंट के साथ कर सकते हैं। इसमें कुछ सेकंड लगते हैं, और आपके 3 MB के अटैचमेंट को पाने वाले को कभी पता नहीं चलेगा कि यह कभी 40 MB का हुआ करता था।
कुछ भी कॉन्फ़िडेंशियल कंप्रेस करने से पहले एक आख़िरी चेतावनी: चेक करें कि आप जो टूल इस्तेमाल कर रहे हैं वह असल में कैसे काम करता है। कई लोकप्रिय PDF कंप्रेसर आपके डॉक्यूमेंट को प्रोसेस करने के लिए अपने सर्वर पर अपलोड करते हैं, और एक स्कैन किया गया कॉन्ट्रैक्ट या ID बिल्कुल वैसी ही फ़ाइल है जिसे आप शायद किसी और के इन्फ्रास्ट्रक्चर पर, थोड़ी देर के लिए भी, नहीं रखना चाहेंगे। हमने इसे खुद कैसे चेक करें, इस पर एक अलग गाइड लिखी है। norito का कंप्रेसर पूरी तरह आपके ब्राउज़र में चलता है, इसलिए चेक करने के लिए कुछ है ही नहीं।