PDF-compressie uitgelegd: waarom je bestand groot is en wat het echt verkleint

Je comprimeert een PDF, en soms krimpt hij met 90 %. Soms beweegt hij nauwelijks. Die inconsistentie is geen bug — het komt doordat PDF's geen enkel bestandstype zijn, maar een houder die heel verschillende soorten inhoud kan bevatten, en elke soort comprimeert anders.

Wat werkelijk de ruimte inneemt

• Gescande pagina's — elke pagina is eigenlijk gewoon een foto, vaak opgeslagen op een veel hogere resolutie dan nodig is om op een scherm te lezen. Dit is bijna altijd de grootste besparingskans.
• Ingesloten lettertypen — een PDF die voor elk gebruikt lettertype een volledig lettertypebestand insluit, kan echt gewicht meebrengen, zeker met meerdere lettertypen in één document.
• Vectorafbeeldingen en tekst — echte selecteerbare tekst en lijntekeningen zijn meestal minuscuul; een tekstueel rapport van 40 pagina's kan een paar honderd kilobyte zijn.
• Dubbele objecten — hetzelfde logo of dezelfde achtergrondafbeelding op elke pagina herhaald en inefficiënt opgeslagen, telt snel op in slecht gegenereerde PDF's.

Waarom compressietools pagina's opnieuw als afbeeldingen renderen

Een goed gebouwde PDF-compressor zou object voor object te werk gaan — deze ingesloten JPEG opnieuw comprimeren, dat lettertype terugbrengen tot alleen de echt gebruikte tekens, dubbele bronnen verwijderen — zoals desktopsoftware als Acrobat doet. De meeste browsergebaseerde tools, deze inbegrepen, kiezen een andere aanpak: ze renderen elke pagina als afbeelding en coderen die opnieuw op lagere kwaliteit, en bouwen dan de PDF uit die afbeeldingen opnieuw op.

Dat ruilt wat scherpte in — vooral bij kleine tekst — voor een veel kleinere, veel eenvoudigere bewerking die een browser echt snel aankan. Voor gescande documenten komt dit dicht bij wat een echte compressor sowieso zou doen, omdat gescande pagina's al afbeeldingen zijn. Voor tekstrijke documenten is het een botter instrument: je krijgt een kleiner bestand, maar selecteerbare tekst wordt onderdeel van een platgemaakte afbeelding, wat ook betekent dat die niet meer doorzoekbaar of kopieerbaar is.

Een compressieniveau kiezen

Als het document een scan is (een contract dat iemand ondertekende en fotografeerde, bijvoorbeeld), is een hoger compressieniveau meestal veilig — je verliest niet veel wat je niet al verloor toen het gescand werd. Heeft het document echte, scherpe tekst die je scherp en doorzoekbaar wilt houden, begin dan met de laagste compressie-instelling en verhoog die alleen als het bestand nog te groot is.