PDF 批量压缩 · PDF Batch Compress

🌐 English ｜ 简体中文

在保持内容可读的前提下，批量把 PDF 文件压缩到目标大小比例（默认极限模式 25%）。 按文件类型自动选择最优压缩策略：矢量无损、扫描件降采样、单色线条图 1-bit 栅格化。

---

📖 目录

• 特性
• 实测结果
• 环境要求
• 快速开始
• 完整用法
• 压缩策略
• 可读性边界
• 验证
• 作为 AI 技能使用
• 目录结构
• 许可证

---

✨ 特性

• 🎯 目标比例校准：自动把总大小压到指定比例（默认极限 25%，实测 86.3MB → 22.3MB）
• 🧠 按类型自动决策：分析每个文件的构成（图片/矢量/颜色/墨迹），选择最优策略
• 🛡️ 三重复保护：彩色文件跳过栅格化（不丢颜色）；栅格化变大自动回滚；gs 膨胀自动回退无损
• 📄 保留文字层：矢量/文字文件默认保留可搜索文字；仅对纯单色图纸栅格化
• ✅ 自动验证：页数一致性、可打开性、空白页检测、文字保留率、总比例
• 📁 原文件不动：输出到独立子目录，文件名不变

---

📊 实测结果

真实案例：42 个工程投标 PDF（CAD 图纸 + 扫描件 + 文字文档），总 86.3MB。

档位	总大小	比例	策略
原始	86.3 MB	100%	-
保守	51.9 MB	60%	400dpi 1-bit × 2 文件 + gs 120dpi
极限（默认）	22.3 MB	25%	全部单色图 1-bit 300dpi + gs 100dpi

典型文件压缩效果：

文件	原大小	极限后	方法
结构图 24 页	7.9 MB	2.2 MB (27%)	1-bit 300dpi
建筑图 11 页	7.1 MB	2.0 MB (28%)	1-bit 300dpi
设备布置 8 页	6.5 MB	1.5 MB (23%)	1-bit 300dpi
区域位置图	2.4 MB	680 KB (28%)	gs 100dpi（彩色保留）
人力计划甘特图	971 KB	295 KB (30%)	gs 100dpi（彩色保留）
承诺书（公章）	768 KB	179 KB (23%)	gs 100dpi（红章保留）

---

🔧 环境要求

• Python 3.8+ 与依赖：python -m pip install pymupdf
• Ghostscript 10.x：Windows 安装包从 ArtifexSoftware/ghostpdl-downloads 下载 gs*64.exe，静默安装：./gs10071w64.exe /S
• 已在 Windows 环境验证（Git Bash / Python subprocess）

---

🚀 快速开始

# 1. 安装依赖
python -m pip install pymupdf

# 2. 极限压缩（默认 25%）
python scripts/compress_pdfs.py D:\PDF目录

# 3. 验证结果
python scripts/verify_pdfs.py D:\PDF目录 D:\PDF目录\压缩后

输出在 D:\PDF目录\压缩后\，原文件不动。

---

📋 完整用法

极限模式（默认）

python scripts/compress_pdfs.py <PDF目录> \
    --target-ratio 25 \              # 目标比例，默认 25（实测极限）
    --output-dir <PDF目录>/压缩后 \
    --force-raster "附件17,附件36"   # 可选: 强制栅格化（数字按附件编号精确匹配）

保守模式（招标/正式提交）

python scripts/compress_pdfs.py <PDF目录> --target-ratio 60 --dpi 120 --raster-dpi 400

参数说明

参数	默认	说明
--target-ratio	25	目标总大小比例 %
--dpi	100	图片降采样 DPI（极限）
--raster-dpi	300	1-bit 栅格化 DPI（图纸可读下限）
--output-dir	<输入>/压缩后	输出目录
--force-raster	空	强制栅格化关键词

分析

python scripts/analyze_pdfs.py <PDF目录>
# 输出: 页数/图像数/文本量/DPI/墨迹%/彩色% + 分类建议

---

🧠 压缩策略

A. gs 降采样（默认，大部分文件）

gs -dNOPAUSE -dBATCH -dQUIET -sDEVICE=pdfwrite -dCompatibilityLevel=1.5 \
   -dPDFSETTINGS=/ebook \
   -dColorImageResolution=100 -dGrayImageResolution=100 -dMonoImageResolution=300 \
   -dColorImageDownsampleType=/Bicubic -dGrayImageDownsampleType=/Bicubic \
   -sOutputFile=out.pdf in.pdf

• 矢量文字层完整保留（可搜索）
• 效果：扫描件 2050% / 矢量文字型 4595%

B. PyMuPDF 无损（gs 膨胀时自动回退）

import fitz
doc = fitz.open(src)
doc.subset_fonts()                  # CID 字体子集化（如 SimSun）
doc.save(dst, garbage=4, deflate=True, clean=True)

• gs 输出 ≥ 输入时自动使用（常见：CID 字体被完整嵌入）
• 效果：93~97%，零损失

C. 1-bit 栅格化（单色线条图，极限主力）

gs pngmono -r300 → PyMuPDF 重建 → gs pdfwrite /printer 转 CCITT G4

• 条件：纯单色（彩色 < 0.1%）、栅格化后更小、接受失去文字层
• 效果：A0 图纸 4~28%；400dpi 更清晰但体积 +30%
• 为什么：JPEG 对线条图效率极差；1-bit CCITT G4 是线条图正确编码

自动校准

1. 全部文件先常规处理
2. 未达标时按压缩后大小从大到小依次栅格化单色文件
3. 三重保护：彩色跳过 / 变大回滚 / gs 膨胀回退无损

---

⚠️ 可读性边界

类型	极限状态	风险
图纸（300dpi 1-bit）	与原始几乎无差别	无（行业归档标准）
扫描件（100dpi）	文字可读，放大有颗粒感	比 120dpi 略糊
彩色文件	颜色完整保留	从不栅格化
高墨迹文字表	保留 gs 方案	栅格化反而变大

80dpi 以下不可用（文字糊成一片）。 保守场景（招标）建议 120dpi + 400dpi 栅格化。

---

✅ 验证

python scripts/verify_pdfs.py <原始目录> <压缩后目录> --target-ratio 25

检查：文件数 / 可打开 / 页数一致 / 空白页 / 文字保留率 / 总比例

# 目视抽检（招标场景 ≥ 60% 文件）
import fitz, glob
for f in glob.glob('压缩后/*.pdf')[:N]:
    doc = fitz.open(f)
    pix = doc[0].get_pixmap(dpi=120)
    pix.save(f'preview_{i:02d}.png')   # 用英文短名，避免中文路径问题
    doc.close()

---

🤖 作为 AI 技能使用

本仓库同时是一个 ZCode / Claude Code 风格的 AI 技能（Skill）包。 复制到 ~/.zcode/skills/pdf-batch-compress/ 后，模型会在用户提到"压缩 PDF / PDF 太大 / 批量减小 PDF"等需求时自动触发完整流程（分析 → 压缩 → 验证）。

---

📁 目录结构

pdf-batch-compress/
├── SKILL.md                        # 技能主文档
├── README.md                       # 本文档（中文）
├── README.en.md                    # 英文文档
├── scripts/
│   ├── analyze_pdfs.py             # 分析 PDF 构成
│   ├── compress_pdfs.py            # 主压缩（自动决策+校准）
│   └── verify_pdfs.py              # 验证结果
└── references/
    └── troubleshooting.md          # 16 条实战坑点

---

📄 许可证

MIT © Galo-Arc