理解 PDF 压缩：跨平台 .NET 解决方案中的无损与有损技术

PDF 不仅仅是文字页面。它们可以包含矢量图、光栅图像、字体、批注等。这些元素的存储方式决定了文件的大小。

无损压缩 保持原始数据不变。它是文本、矢量和必须保持像素完美的图像的首选——比如医学扫描或建筑图纸。ZIP、Flate 和 LZW 属于此类。
有损压缩 会丢弃部分数据以进一步减小体积。JPEG 和 JPEG2000 是常见的有损选项，适用于可以接受轻微质量下降的照片。

首先对 PDF 中的内容进行清点：

资产类型	推荐压缩方式	原因
文本和矢量图形	无损（Flate/ZIP）	无视觉降级；矢量形状保持清晰。
高分辨率照片	有损（JPEG，质量 70‑85%）	人眼能容忍轻微损失；大小显著下降。
扫描文档（黑白）	无损 CCITT Group 4，或针对灰度扫描的有损 JPEG	CCITT 为二值页面设计，通常比相同扫描的 JPEG 小得多。
嵌入字体	子集化	仅保留使用的字形，去除未使用的数据。

常见的错误是对所有图像统一使用有损设置。这会导致图表模糊、文字难以辨认。相反，逐页检查：对标志、图表和 UI 截图使用无损；对照片则更积极地压缩。一些 PDF 库能够检测图像类型并为每张图像选择合适的算法，选型时值得关注。

说明一下本网站的定位，您可能是从这里进入的：Doconut.app 是一个查看器。它打开 PDF 供您阅读；并不进行压缩、转换或重写。以下内容全部关于实现这些功能的工具。

嵌入前优化图像——质量优先压缩的秘密

图像通常是 PDF 体积的主要来源——在调优其他内容之前先测量文件大小。如果在图像进入 PDF 之前就正确处理，就能同时控制质量和体积。

调整至最终显示尺寸
如果图片将在 800 × 600 px 显示，就没有必要嵌入 3000 × 2000 px 的源文件。该源文件的像素约是实际可见像素的十二倍，调整至显示尺寸通常是最大的节省。
选择正确的色彩空间
- RGB 用于屏幕显示的 PDF。
应用合适的压缩设置
- 照片：JPEG 质量 70‑85% 可保持清晰度并减小体积。
剥离不必要的元数据
EXIF、XMP 和缩略图数据只是负担。大多数 PDF 库可以自动丢弃这些元数据。

字体子集化，以及 megabytes 实际来自何处

字体是许多 megabyte PDF 的隐形罪魁。嵌入完整字体（通常 500 KB‑2 MB）会带上所有字形，即使是未使用的。字体子集化只保留实际出现的字符，从而大幅削减体积。

子集化工作原理 – PDF 生成器扫描文档，构建字形列表，并写入自定义的子集 TTF/OTF 流。对于短报告，这个子集可能只有几千字节。
何时进行子集化 –
- 标准字体（Helvetica、Times、Courier）已在大多数查看器中预装；可以完全省略嵌入。
- 自定义或品牌字体 除非需要完整字符集以便后续编辑，否则应始终进行子集化。
避免重复嵌入字体 – 若同一字体出现在多个章节，确保 PDF 引擎复用同一子集对象，而不是创建多个副本。

在使用两三种品牌字体的文档中，子集化往往决定了文件能否作为邮件附件发送，而阅读者也分辨不出差别。

使用具备 API 接口的智能 PDF 压缩工具

桌面工具适用于偶尔的文件，但当需要每天处理数十或数百个文件时，自动化至关重要。API 优先、跨平台的解决方案能提供：

一致性 – 在任何地方使用相同的压缩参数。
速度 – 在云端或本地服务器上并行处理。
安全性 – 无需将敏感 PDF 上传至第三方站点；所有操作均在受信任的环境中运行。

为什么 API 很重要

编程控制 – 设置图像质量、切换字体子集化、为每种资产类型选择算法，并通过单个 HTTP 调用获取压缩后的文件。
批量处理 – 某些服务接受文件压缩包并返回结果压缩包，如果您一次处理多份文档而非单个，这一点值得关注。
CI/CD 集成 – 将压缩步骤嵌入文档生成的构建流程，使每次发布都携带精简的 PDF。

Doconut 的定位以及不涉及的范围

在规划之前先明确边界。Doconut SDK 是一个用于在您自己的应用中 渲染和转换 文档的 .NET 组件：其 Converter 插件可将 Word、Excel、HTML 等输出为 PDF，查看器负责渲染。压缩并非其职责——没有压缩 API、质量滑块或字体子集化开关——因此若需缩小已有 PDF，请选用专门的工具。

转换提供的优势在于对输入的把控。直接从源文档生成的 PDF，在写入时进行字体子集化，体积会比先生成 PDF 再压缩的同一文档更小，并且保留真实的文本层，而不是图像化的文本。

如果您只想查看文件内部哪些部分导致体积过大，Doconut.app 可在浏览器中免费打开最高 25 MB 的 PDF，并在关闭标签页时删除文件。