Kaip veikia PDF glaudinimas: ISO 32000 srautų filtrai, DPI mažinimas ir vietinis optimizavimas naršyklėje
Ką daro šis PDF failų glaudinimo įrankis
Šis įrankis sumažina PDF dokumentų (iki 30 MB) apimtį tiesiogiai naršyklės atmintyje (`PDF.js` ir `pdf-lib`), nesiųsdamas failų į išorinius serverius. Galite pasirinkti vieną iš keturių paruoštų profilių — Minimalus / spaudai (~250–300 DPI, 88 % DCT kokybė), Rekomenduojamas (~150 DPI, 72 % DCT kokybė), Ekstremalus (~96 DPI, 50 % DCT kokybė) arba El. pašto taikinys (< 10 MB) — arba rankiniu būdu nustatyti tikslinę skiriamąją gebą (72–300 DPI) ir DCT vaizdo srauto kokybę (30–95 %). Taip pat galima įjungti konvertavimą į pilkus tonus (Grayscale) bei pašalinti PDF metaduomenis (`Author`, `Creator`, `Producer`), peržiūrėti pirmojo puslapio miniatiūrą, įvertinti tikslų sutaupytų megabaitų kiekį ir perglaudinti dokumentą su kitais parametrais neįkeliant failo iš naujo.
Nesvarbu, ar teikiate skenuotą sutartį valstybiniam portalui su griežtu 2 MB failo limitu, ar siunčiate keliolikos puslapių pristatymą el. paštu (10 MB–25 MB SMTP riba), ar archyvuojate sąskaitas faktūras, per dideli PDF (Portable Document Format, ISO 32000-1) failai sukelia nuolatinių nepatogumų. Vienas A4 formato puslapis, nuskenuotas 600 DPI raiška nesuglaudintu 24 bitų spalvotu režimu, užima daugiau nei 99 megabaitus neapdorotų rastro duomenų.
Skirtingai nuo įprastų internetinių PDF glaudintuvų, kurie reikalauja įkelti konfidencialias mokesčių deklaracijas, medicininius išrašus ar pasirašytas sutartis į trečiųjų šalių serverius, mūsų PDF glaudintuvas veikia 100 % vietiškai jūsų naršyklės atmintyje (`PDF.js` + `pdf-lib`). Galite tiksliai valdyti tikslinę skiriamąją gebą (72 DPI–300 DPI), diskrečiosios kosinuso transformacijos (`DCTDecode`) srauto kokybę, konvertavimą į pilkus tonus (Grayscale) ir dokumento metaduomenų išvalymą.
1. Kodėl PDF failai užima tiek daug vietos? ISO 32000 objektų anatomija
PDF failas nėra paprastas tekstinis dokumentas — tai indeksuota dvejetainė duomenų bazė, susidedanti iš antraštės (`%PDF-1.7`), sunumeruotų netiesioginių objektų korpuso, kryžminių nuorodų lentelės (`xref`) su baitų poslinkiais ir pabaigos žodyno (`trailer`). Analizuojant realius dokumentus, 85–95 % viso PDF failo dydžio sudaro trys šaltiniai:
- Perteklinės raiškos rastriniai vaizdai (`/Subtype /Image`): Biuro skeneriai ir mobiliųjų telefonų programėlės dažnai įterpia pilno puslapio nuotraukas 300 DPI arba 600 DPI raiška, nors dokumentas bus skaitomas tik 96 DPI ar 144 DPI kompiuterio ekrane. Kadangi pikselių skaičius auga kvadratu (Pikseliai ∝ DPI2), sumažinus raišką perpus nuo 300 DPI iki 150 DPI, pikselių kiekis sumažėja net 75 %.
- Neoptimizuoti srautų filtrai (`/FlateDecode` prieš `/DCTDecode`): Kai skenuotos nuotraukos saugomos nenuostolinguoju `/FlateDecode` (zlib/DEFLATE) filtru vietoj `/DCTDecode` (JPEG dažnių kvantavimo), popieriaus tekstūra ir skenerio jutiklio triukšmas neleidžia efektyviai suglaudinti duomenų.
- Dubliuoti šriftai, inkrementiniai atnaujinimai ir XMP metaduomenys: Kiekvienas pakartotinis PDF išsaugojimas prideda naujas `xref` lenteles, XML metaduomenų paketus (`/Metadata`) ir redagavimo istoriją.
2. DPI mažinimo matematika ir „Ghostscript“ glaudinimo profiliai
Profesionalioje spaudos ir dokumentų inžinerijoje (pvz., „Ghostscript“ `-dPDFSETTINGS` profiliuose) PDF optimizavimas suderina erdvinę raišką su žmogaus akies skiriamąja geba:
A4 matmenys pikseliais (esant D DPI) = (8,27 colio × D) × (11,69 colio × D)
- Ekstremalus / Ekranui (`96 DPI`, `/screen`): A4 puslapis atvaizduojamas 794 × 1122 px (0,89 MP) raiška su 50% DCT glaudinimu. Idealiai tinka griežtiems 1 MB–2 MB valstybinių institucijų ir universitetų portalų limitams.
- Rekomenduojamas / eBook (`150 DPI`, `/ebook`): A4 puslapis atvaizduojamas 1240 × 1754 px (2,17 MP) raiška su 72% DCT kokybe. Išsaugo ryškų ir lengvai įskaitomą tekstą kompiuterių ekranuose, sumažindamas failo dydį 50–70 %.
- Išmanusis el. pašto taikinys (`< 10 MB`): Automatiškai apskaičiuoja santykį tarp pradinio failo dydžio ir saugios 9,5 MB ribos (įvertinant tai, kad el. pašto Base64 MIME kodavimas padidina priedo dydį apie 33%) bei parenka optimalų DPI ir kokybės derinį.
- Minimalus / Spaudai (`250–300 DPI`, `/printer`): A4 puslapis išlaiko iki 2480 × 3508 px (8,70 MP) raišką su 88% DCT kokybe kokybiškam spausdinimui.
3. Kaip pilkų tonų (`DeviceGray`) režimas sutaupo iki 60 % papildomos vietos
Dauguma skenuotų sutarčių, sąskaitų ir pažymų turi tik juodą tekstą baltame lape, tačiau skeneriai juos įrašo 24 bitų RGB (`DeviceRGB`, 3 baitai pikseliui) režimu. Įjungus parinktį Konvertuoti į pilkus tonus (Grayscale), kiekvienam puslapiui pritaikoma ITU-R BT.709 skaistumo formulė:
Y = 0,2126 R + 0,7152 G + 0,0722 B
Pašalinus spalvingumo kanalus (Cb ir Cr), srauto dydis sumažėja dar 30–60 %, o tekstas ant pageltusio ar šešėliuoto popieriaus tampa kontrastingesnis.
4. 100 % vietinis apdorojimas RAM atmintyje ir metaduomenų valymas
Konfidencialių PDF dokumentų (banko išrašų, sutarčių, asmens dokumentų kopijų) kėlimas į išorinius serverius kelia duomenų nutekėjimo ir BDAR (GDPR) pažeidimų riziką. Mūsų variklis kiekvieną puslapį apdoroja izoliuotame naršyklės atminties buferyje, po kiekvieno puslapio atlaisvina HTML5 Canvas atmintį (`canvas.width = 0`), kad naršyklė nesulėtėtų net su 100 puslapių dokumentais, ir pašalina `/Info` žodyno įrašus (`Author`, `Creator`, `Producer`).