PDFのファイルサイズが大きくなる原因

メールに添付できないPDFは日常的な悩みで、たいていは圧縮ツールに通して祈ることになります。効くこともあれば、まったく効かないこともある。PDFが大きくなる理由は性質の異なる4つがあり、それぞれ対処が違うからです。

実際に容量を占めているもの

PDFはオブジェクトの集まりです。ページの記述、フォント、画像、各種メタデータ。テキストとベクター図形は極めて小さく、文章1ページは数キロバイトの命令にすぎません。したがって、驚くほど大きいファイルの原因は文章ではなく、文章をさらに圧縮しても意味がありません。

実務上、重さの正体はほぼ4つのいずれかです。埋め込まれたラスター画像、埋め込みフォント、残存している編集履歴、そして蓄積したメタデータや添付ファイル。どれがどの比率で効いているかは、そのファイルの作られ方で大きく変わります。

圧縮する前に見当をつける価値があります。ファイルサイズをページ数で割ってみてください。1ページ100KB未満なら軽量。0.5MB前後なら画像が疑わしい。1ページ数MBなら、全面スキャンか高解像度の写真です。

大きなPDFのほとんどはラスター画像が支配しています。カメラから貼り付けた写真は横数千ピクセルあることが多く、幅2センチで表示されていてもそのピクセルをすべて保持し続けます。ファイルが保存しているのは元画像であって、見えているものではありません。

スキャン文書は極端な例です。全ページが全面画像だからです。300dpiのカラースキャンは1ページおよそ870万ピクセル、圧縮しても通常1〜3MBで、ページ間で何も共有できないまま全枚数ぶん繰り返されます。

ここで効くのはダウンサンプリングで、汎用の圧縮ツールが唯一得意とすることでもあります。実際に必要な解像度 — 画面で読むなら150dpi、印刷なら300dpi — まで画像を落とすと、スキャンしたファイルが画面上の見た目を変えずに4分の1になることはよくあります。

PDFはどこでも同じ見た目になるよう、使用フォントを埋め込みます。その埋め込みにはコストがあります。ラテン文字のサブセット1つなら通常数十キロバイトで無視できますが、CJKフォントは話が別です。日本語や中国語の書体は数千のグリフを含み、1つで数メガバイトに達することもあります。

標準的な緩和策はサブセット化です。書体全体を埋め込む代わりに、その文書が実際に使っているグリフだけを含めます。短い日本語文書なら2万字ではなく数百字で済みます。現代の書き出し系はたいてい既定でサブセット化しますが、古いツールや印刷向けのプリセットではそうでないものがあります。

フォントが原因のときの症状は、小さい文書が不可解に重いことです。画像が1枚も入っていない2ページの書状が4メガバイト、といった具合。働きかける対象のない画像圧縮に手を出す前に、埋め込みフォントの一覧が出る文書のプロパティを確認してください。

PDFは増分保存に対応しています。ファイルを書き直す代わりに、編集内容を末尾に追記できるのです。保存が速く、変更の履歴が残る利点がある一方で、削除したはずの内容がファイル内に残っている可能性があり、何度も編集した文書は見えている内容の数倍の大きさになることがあります。

これは容量だけでなくプライバシーの問題でもあります。送信前に消したつもりのテキストが、同じファイル内の過去のリビジョンから復元できてしまうことがあります。黒い四角を上に描くだけの「黒塗り」は黒塗りではありません。覆われたテキストは文書内に残ったままです。

「最適化して保存」「線形化」などと呼ばれるクリーンな保存をすると、ファイルが一から書き直され、蓄積した履歴が落ちます。フォームフィールド、注釈、埋め込み添付、カラープロファイルも容量を増やすので、受け取る側に不要なら破棄できます。

ページを画像に描画してアーカイブにまとめる方法は、元より小さくなることもあれば、はるかに大きくなることもあります。どちらを予期すべきか知っておく価値があります。文字PDFなら出力はほぼ必ず大きくなります。コンパクトな文字命令が数百万のピクセルに置き換わるからです。

高解像度のスキャンPDFなら、本当に小さくできます。スキャン自身の解像度より低く描画する場合です。600dpiのスキャンをスケール2x — およそ144dpi — で書き出せば、データ量はごく一部になります。画面で読めれば十分なページなら、妥当な取引です。

ただし画像化は、容量と一緒にテキスト層も捨てます。結果は検索もコピーもできず、スクリーンリーダーでも読めません。ページの見た目を共有するには正しい選択であり、誰かが後で扱う文書を保管するには誤った選択です。