Почему сжатие PDF отлично работает на сканах и почти не работает на отчётах
Опубликовано 2026-07-20
Пропустите два разных PDF через один и тот же компрессор — и результаты могут оказаться совершенно разными: отсканированный договор на 40 МБ уменьшается до 3 МБ, а годовой отчёт на 8 МБ упрямо отказывается терять больше нескольких процентов. Ни тот, ни другой результат не означает, что инструмент сломан. Разница в том, из чего на самом деле состоят эти два файла.
PDF — это контейнер, а не один тип файла
Страница PDF может содержать два принципиально разных типа контента. Первый — векторный контент: текст, хранящийся в виде инструкций рисования («поместить глиф буквы A из этого встроенного шрифта в этих координатах, размер 11»), плюс линии, фигуры и заливки, описанные математически. Второй — растровый контент: реальные изображения, встроенные как потоки данных в стиле JPEG или PNG внутри файла. Почти любой вопрос о сжатии PDF сводится к соотношению между этими двумя типами.
Страница чистого текста удивительно мала. Инструкции рисования для плотной страницы договора обычно весят от 2 до 10 КБ после сжатия, а встроенные шрифты используются совместно для всего документа — обычно в сумме несколько десятков КБ. Отсканированная страница, напротив, вообще не содержит текста с точки зрения формата файла. Это одна большая фотография листа бумаги.
Почему PDF с большим количеством текста почти не сжимаются
Текст и векторный контент внутри PDF уже сжаты алгоритмом Flate — тем же, что используется в ZIP-файлах. Сжатие уже сжатых данных почти ничего не даёт; это математическое свойство, а не ограничение программного обеспечения. Поэтому когда компрессор обрабатывает 200-страничный чисто текстовый документ весом 1.5 МБ, около 7 КБ на страницу, попросту не так много «жира» можно срезать. Реальный выигрыш достигается за счёт наведения порядка: удаления неиспользуемых объектов, дедупликации повторяющихся ресурсов и создания подмножеств для полностью встроенных шрифтов. На чистом текстовом документе ожидайте 5–15 процентов, иногда меньше.
Отнеситесь с подозрением к любому инструменту, который обещает сокращение на 70 процентов для чисто текстового PDF. Обычный трюк — растеризация: превращение каждой страницы в одно сжатое изображение. Файл действительно становится меньше, но текст становится размытым при сильном увеличении, его больше нельзя выделить или найти поиском, а программы чтения с экрана перестают работать. Это преобразование, а не сжатие, и для отчёта это почти никогда не то, что вам нужно.
Почему сканы сжимаются так значительно
Стандартное сканирование страницы A4 с разрешением 300 DPI даёт около 2480 на 3508 пикселей, примерно 8.7 миллиона пикселей на страницу. Программное обеспечение сканеров обычно консервативно: сохраняет с высоким качеством JPEG или даже без потерь, что даёт от 2 до 8 МБ на страницу. Это даёт компрессору два мощных рычага.
Первый — понижение разрешения (даунсэмплинг). Переход с 300 DPI на 150 DPI сокращает количество пикселей в четыре раза, а для чтения с экрана разница едва заметна. Второй — перекодирование с более сильным сжатием JPEG: переход от качества 90 к качеству 60 может снова уменьшить размер вдвое лишь с умеренными видимыми изменениями на сфотографированном документе. Объедините оба рычага — и сокращение на 80–95 процентов становится обычным делом. Это ровно та же физика, что и при сжатии фотографии, которую мы подробно рассмотрели в нашем руководстве по сжатию изображений.
Промежуточные файлы
Большинство реальных документов находится между крайностями: отчёты с диаграммами и фотографиями, экспорт слайд-презентаций, брошюры. Вот неочевидный момент: даже в документе, который выглядит преимущественно текстовым, изображения обычно доминируют в общем объёме байтов. Отчёт на 12 МБ с десятью встроенными фотографиями может состоять из 11 МБ фотографий и 1 МБ всего остального, поэтому сжатие может воздействовать только на долю фотографий. Есть и классические паттерны раздувания файлов, о которых стоит знать: некоторые генераторы документов встраивают одно и то же изображение логотипа отдельно на каждой странице вместо однократной ссылки на него, а некоторые встраивают целые семейства шрифтов там, где хватило бы подмножества из 40 символов. Хороший компрессор незаметно исправляет и то, и другое.
Экспорт презентаций заслуживает особого упоминания. Слайды, экспортированные в PDF, часто несут фоновое изображение полного разрешения на каждой отдельной странице, плюс фотографии, размещённые с разрешением, намного превышающим то, что вообще способен показать любой проектор. Именно так презентация из 40 слайдов превращается в PDF на 100 МБ, и именно поэтому презентации — одни из самых благодарных файлов для сжатия: тот же даунсэмплинг, который почти не затрагивает текстовый отчёт, может уменьшить презентацию на 90 процентов, и никто на совещании этого не заметит.
Как предсказать результат до начала
Разделите размер файла на количество страниц. Меньше 50 КБ на страницу — перед вами преимущественно текст, и стоит ожидать однозначного процентного выигрыша. От 100 до 300 КБ на страницу обычно означает смешанный контент, где реалистичны 30–60 процентов. Больше 800 КБ на страницу почти всегда означает скан или документ, насыщенный фотографиями, и здесь возможны 80–95 процентов.
Не уверены, реальный ли это текстовый документ или скан? Попробуйте выделить текст в вашей программе просмотра. Или пропустите его через инструмент извлечения текста: если ничего не выходит, каждая страница — это изображение.
Честные ограничения
Сжатие с потерями накапливается. Скан, сжатый с качеством 60, а затем сжатый ещё раз кем-то другим позднее, быстро деградирует, поэтому сохраняйте оригинал. Скан с пониженным разрешением также является худшим исходником для OCR и повторной печати; если документу может понадобиться то или другое позже, архивируйте версию полного разрешения, а делитесь сжатой. А если PDF огромен из-за двух-трёх конкретных фотографий, иногда чище сначала уменьшить эти изображения с помощью компрессора изображений и пересобрать документ из исправленных версий.
В рамках этих ограничений сжатие — одно из самых эффективных действий, которые можно предпринять с отсканированным документом. Это занимает секунды, и получатель вашего вложения на 3 МБ никогда не узнает, что оно раньше весило 40.
Последнее предостережение перед сжатием чего-либо конфиденциального: проверьте, как на самом деле работает используемый вами инструмент. Многие популярные компрессоры PDF загружают ваш документ на свои серверы для обработки, а отсканированный договор или удостоверение личности — это как раз тот тип файла, который вы, возможно, не хотели бы держать на чужой инфраструктуре, даже недолго. Мы написали отдельное руководство о том, как проверить это самостоятельно. Компрессор norito работает полностью в вашем браузере, так что проверять нечего.