PDF 太大怎么压缩到指定大小：原理、Ghostscript 参数与 5 种实战方案

一、结论先给

PDF 大的原因只有三类，先定位再动手，否则就是瞎压。

# 30 秒定位：看体积构成
pdfinfo input.pdf            # 页数、页面尺寸
pdffonts input.pdf           # 字体占多少
pdfimages -list input.pdf    # 图片占多少、分辨率多少

成因	判断方法	压缩手段	效果
扫描/位图	`pdfimages -list` 有大图	降采样 + 降 JPEG 质量	最大，常见 10-20 倍
嵌入字体	`pdffonts` 有几百 KB 的全字库	字体子集化	中等，几百 KB 级
对象未压缩	老软件生成的 PDF	`qpdf --linearize` / 重压缩流	小，10-30%

一句话结论：扫描件靠降采样，文字稿靠 Ghostscript 预设，剩下的边角靠 qpdf。

二、Ghostscript 四档预设：最快的一招

# 装
sudo apt install ghostscript

核心参数就一个：-dPDFSETTINGS

gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.5 \
   -dPDFSETTINGS=/ebook \
   -dNOPAUSE -dQUIET -dBATCH \
   -sOutputFile=out.pdf input.pdf

四档的含义与实测效果（50 页扫描件，原 48 MB，结果为估算）：

预设	图像分辨率	适用场景	体积（估算）	观感
`/screen`	72 dpi	屏幕看、邮件附件	3-6 MB	文字边缘略毛躁，看图明显糊
`/ebook`	150 dpi	默认推荐，通用	8-15 MB	屏幕清晰，打印勉强
`/printer`	300 dpi	要打印	25-40 MB	打印没问题
`/prepress`	300 dpi + 保留色彩	印刷	40+ MB	几乎无损，体积基本没降

/screen 和 /ebook 是两个真正能用的档位。/printer 之后体积就没意义了。

⚠️ 注意：Ghostscript 重压缩会丢掉表单、注释、书签和部分元数据。有书签的文档压缩前先备份原文件。

三、手写参数：压得比预设更狠

预设不能满足时，手动控制图像参数：

gs -sDEVICE=pdfwrite \
   -dCompatibilityLevel=1.5 \
   -dDownsampleColorImages=true \
   -dColorImageResolution=150 \
   -dColorImageDownsampleType=/Bicubic \
   -dDownsampleGrayImages=true \
   -dGrayImageResolution=150 \
   -dGrayImageDownsampleType=/Bicubic \
   -dDownsampleMonoImages=true \
   -dMonoImageResolution=300 \
   -dMonoImageDownsampleType=/Subsample \
   -dAutoFilterColorImages=false \
   -dColorImageFilter=/DCTEncode \
   -dJPEGQ=70 \
   -dAutoFilterGrayImages=false \
   -dGrayImageFilter=/DCTEncode \
   -dNOPAUSE -dQUIET -dBATCH \
   -sOutputFile=out.pdf input.pdf

参数解释（这几个是真正起作用的）：

参数	作用	建议值
`-dColorImageResolution`	彩色图降采样到多少 dpi	100-150
`-dGrayImageResolution`	灰度图	150
`-dMonoImageResolution`	黑白图（文字/线条）	300，别降，降了文字就毛
`-dJPEGQ`	JPEG 质量 0-100	60-75
`-dColorImageFilter=/DCTEncode`	彩色图用 JPEG 压缩	必加
`-dDetectDuplicateImages=true`	重复图片只存一份	有重复 logo 时很有效

最容易忽略的一条：MonoImageResolution 一定要比彩色高。黑白图是文字主体，压到 150 dpi 会直接糊成一团——这是很多人压完觉得"字看不清"的根本原因。

四、扫描件的极限压缩：黑白二值化

扫描的文档类 PDF（合同、发票、书籍），最狠的一招是转成 1-bit 黑白：

# 先转图，再二值化，最后组回 PDF
pdftoppm -r 300 -gray input.pdf page
for f in page-*.pgm; do
  magick "$f" -threshold 60% -compress Group4 "${f%.pgm}.tif"
done
magick page-*.tif -compress Group4 out.pdf

体积对比（估算，300 dpi A4 单页）：

方案	单页体积
原扫描彩色 JPG	500 KB - 1.5 MB
灰度 + JPEG q75	150-400 KB
黑白二值 + CCITT G4	30-80 KB

适用范围：纯文字的黑白文档。有照片、有灰度图的不要二值化，会丢信息。

五、压到"指定大小"：二分法脚本

需求场景很常见："这个 PDF 必须小于 2 MB 才能上传"。一次压不准，用脚本自动找参数：

#!/usr/bin/env bash
# usage: ./fit.sh input.pdf 2048   （目标 2048 KB）
set -euo pipefail
IN=$1; TARGET_KB=$2
OUT="${IN%.pdf}.small.pdf"

lo=40; hi=300; best=""
for i in $(seq 1 8); do
  mid=$(( (lo + hi) / 2 ))
  gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.5 -dNOPAUSE -dQUIET -dBATCH \
     -dDownsampleColorImages=true -dColorImageResolution=$mid \
     -dColorImageFilter=/DCTEncode -dJPEGQ=70 \
     -sOutputFile="$OUT" "$IN"
  size=$(( $(stat -c%s "$OUT") / 1024 ))
  echo "res=${mid}dpi size=${size}KB"
  if [ "$size" -le "$TARGET_KB" ]; then best=$mid; lo=$mid; else hi=$mid; fi
done
echo "---"
echo "最佳分辨率: ${best}dpi"
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.5 -dNOPAUSE -dQUIET -dBATCH \
   -dDownsampleColorImages=true -dColorImageResolution=${best:-72} \
   -dColorImageFilter=/DCTEncode -dJPEGQ=70 \
   -sOutputFile="$OUT" "$IN"
echo "最终: $(( $(stat -c%s "$OUT") / 1024 ))KB"

思路：用分辨率当变量做二分查找，8 次迭代内收敛。如果压到 72 dpi 还不达标，说明页数太多，只能拆分成多个文件（用 PDF 拆分）或接受更低质量。

六、另一条路：qpdf（无损重排，不动图像）

sudo apt install qpdf

# 重排对象流 + 开启压缩（不改变图像质量）
qpdf --linearize --compress-streams=y input.pdf out.pdf

# 去掉没用的对象（有孤儿对象时有效）
qpdf --linearize --remove-unreferenced-resources=yes input.pdf out.pdf

# 加密 PDF 要先解密才能压
qpdf --decrypt --password=xxx input.pdf tmp.pdf && gs ... tmp.pdf out.pdf

qpdf 不改变图像，所以压缩率有限（10-30%），但完全无损，适合那些已经压过、不能再损的文档。

还有个更狠的第三方工具 pdfsizeopt（需要 Java + 一堆依赖），能自动做字体子集化、图像重编码，压缩率常高于 Ghostscript，但环境搭建麻烦，服务器上偶尔值得装一次。

七、压缩后必须做的校验

压完不看就交付，是这类操作最大的坑。

# 1. 页数对不对（Ghostscript 偶尔会丢页）
pdfinfo out.pdf | grep Pages
pdfinfo input.pdf | grep Pages

# 2. 能不能正常打开、文字能不能选（渲染引擎报错会静默产出坏文件）
pdftotext out.pdf - | head -20

# 3. 加密状态（gs 有时会带上权限设置）
pdfinfo out.pdf | grep -i encrypted

# 4. 体积对比
ls -lh input.pdf out.pdf

自动化脚本里建议加一句断言：页数不一致就直接失败退出，别继续往下走。