PDF 文件为何变大
一份大到发不出邮件的 PDF 是日常烦恼，通常的做法是扔进压缩工具然后祈祷。有时管用，有时毫无效果——因为 PDF 变大有四种性质迥异的原因，各自需要不同的补救办法。
真正占空间的是什么
PDF 是一组对象的集合：页面描述、字体、图片以及各类元数据。文字和矢量图形极小，一页散文不过几 KB 的指令。因此，一份大得离谱的文件，问题不在文字上，把文字压得更狠也无济于事。
实际当中，体积几乎总是来自四者之一：嵌入的位图、嵌入的字体、保留的修订历史，或是累积的元数据与附件。它们各自所占比例，取决于文件是怎么产生的。
压缩之前值得先猜一猜。用文件大小除以页数：每页不到 100 KB 属于精简；0.5 MB 左右提示有图片；每页好几 MB 则意味着整页扫描或高分辨率照片。
嵌入图片——通常的元凶
几乎所有大体积 PDF 都由位图主导。从相机粘贴进来的照片往往有几千像素宽，即使显示出来只有两厘米宽，它依然保留着每一个像素。文件保存的是原图，而不是你看到的样子。
扫描文档是极端情形，因为每一页都是整页图像。300 DPI 的彩色扫描每页约 870 万像素，压缩后通常也有 1 到 3 MB，并且页与页之间无法共享任何内容，这份开销要乘以全部张数。
这里真正有效的是降采样，也是通用压缩工具唯一擅长的事。把图片降到实际所需的分辨率——屏幕阅读 150 DPI、印刷 300 DPI——常常能让扫描文件缩小四分之三，而屏幕上看不出差别。
字体
PDF 会嵌入所用字体，以保证到哪里看都一模一样，而这种嵌入是有代价的。单个拉丁字体子集通常只有几十 KB，可以忽略；CJK 字体则是另一回事：中日文字体包含数千字形，单个就可能达到数 MB。
标准的缓解手段是子集化。不嵌入整套字体，只收入文档实际用到的字形——一份简短的中文文档可能只需几百字而非两万字。现代导出工具大多默认子集化，但部分老旧工具和某些面向印刷的预设并不会。
字体问题的症状是：一份小文档重得莫名其妙，比如两页信函、毫无图片却有 4 MB。在动用无从下手的图片压缩之前，先查看会列出嵌入字体的文档属性。
历史、元数据与附件
PDF 支持增量保存：编辑器可以把改动追加到文件末尾，而不是重写整个文件。这让保存变快并保留了修改痕迹，但也意味着删掉的内容可能仍留在文件中，反复编辑过的文档可能是其可见内容的好几倍大。
这不仅是体积问题，也是隐私问题。发送前自以为删掉的文字，可能仍能从同一文件内较早的修订中还原出来。在内容上画个黑方块根本不算涂黑——被遮住的文字依然留在文档里。
执行一次干净保存（有时称为“优化保存”或“线性化”）会从头重写文件，丢弃累积的历史。表单字段、批注、嵌入附件和色彩配置文件同样增加体积，若接收方不需要，都可以舍弃。
转换成图片什么时候有用，什么时候没用
把页面渲染成图片再打包，有时比原文件小，有时大得多，值得事先知道该预期哪一种。对文字版 PDF 来说，输出几乎必然更大，因为紧凑的字符指令被换成了数百万像素。
对高分辨率的扫描版 PDF，它确实能瘦身——前提是渲染分辨率低于扫描件自身。600 DPI 的扫描件以 2x（约 144 DPI）导出，数据量只剩一小部分；当这些页面只需在屏幕上阅读时，这是划算的取舍。
但要注意，转换成图片在减掉体积的同时也丢掉了文字层。结果无法搜索、无法复制，屏幕阅读器也读不了。分享页面的视觉快照时这是正确选择；归档一份别人日后还要处理的文档时则是错误选择。