PDF圧縮の仕組み：なぜファイルが大きいのか、何が実際に小さくするのか

PDFを圧縮すると、90%小さくなることもあれば、ほとんど変わらないこともあります。この不一致は不具合ではありません。PDFは単一のファイル形式ではなく、まったく異なる種類の内容を収められる入れ物であり、種類ごとに圧縮のされ方が違うからです。

実際に容量を占めているもの

• スキャンしたページ — 各ページは実質的にただの写真で、画面で読むのに必要な解像度よりずっと高い解像度で保存されていることが多いです。ほぼ常に、最も節約の余地が大きい部分です。
• 埋め込みフォント — 使われた書体ごとにフォントファイル全体を埋め込むPDFは、特に1つの文書に複数のフォントがあると、それなりの重さになります。
• ベクター図形とテキスト — 実際の選択可能なテキストや線画は通常ごく小さく、40ページの文字だけのレポートでも数百キロバイト程度です。
• 重複オブジェクト — 同じロゴや背景画像が各ページに繰り返され、非効率に保存されていると、粗雑に生成されたPDFではあっという間に膨らみます。

圧縮ツールがページを画像として再レンダリングする理由

きちんと作られたPDF圧縮ツールなら、オブジェクトごとに処理します。この埋め込みJPEGを再圧縮し、あのフォントを実際に使われた文字だけに絞り込み、重複リソースを削除する。Acrobatのようなデスクトップソフトのやり方です。このツールを含むほとんどのブラウザ内ツールは別の方法を取ります。各ページを画像としてレンダリングし、低い品質で再エンコードし、それらの画像からPDFを再構築します。

これは鮮明さの一部 — 特に小さな文字 — と引き換えに、ブラウザが実際にすばやくこなせる、はるかに小さく単純な処理を得ます。スキャンした文書では、スキャンページはすでに画像なので、これは本来の圧縮ツールがやることに近いです。文字の多い文書では、より大雑把な道具になります。ファイルは小さくなりますが、選択可能なテキストが平坦化された画像の一部になり、検索もコピーもできなくなります。

圧縮レベルの選び方

文書がスキャン（たとえば誰かが署名して撮影した契約書）なら、高めの圧縮レベルは通常安全です。スキャン時にすでに失ったもの以上を多く失うわけではありません。文書に、鮮明で検索可能なまま保ちたい本物の文字があるなら、最も低い圧縮設定から始め、ファイルがまだ大きすぎる場合にのみ上げてください。