Tamanho do arquivo PDF: o que torna os PDFs grandes?

Imagens costumam ser o maior contribuidor individual para o tamanho de um PDF. Uma foto de alta resolução incorporada a 300 DPI pode facilmente ocupar vários megabytes. A mesma imagem salva em JPEG de baixa qualidade a 72 DPI poderia ter 5% desse tamanho. PDFs armazenam imagens em sua codificação original — JPEG, PNG ou não comprimida — então uma imagem de origem grande demais torna um PDF grande demais.

A solução raramente é "remover a imagem". É usar a resolução certa para o uso pretendido (tela vs impressão) e um formato de compressão apropriado. Uma foto destinada a um site não precisa de resolução de qualidade de impressão.

PDFs podem incorporar fontes para que o documento apareça identicamente em máquinas que não têm essas fontes instaladas. Um arquivo de fonte completo pode ter 200 KB ou mais, e um documento usando várias fontes pode gastar a maior parte de seu tamanho apenas em dados de fontes.

A mitigação padrão é o subconjunto de fontes: incorporar apenas os glifos (caracteres) realmente usados no documento. Se uma fonte de 200 KB é usada para uma única frase de texto, um subconjunto poderia ter apenas 10 KB. A maioria das ferramentas PDF cria subconjuntos por padrão, mas nem todas — e um PDF que incorpora fontes completas será notavelmente maior que um que não o faz.

Um PDF digitalizado é essencialmente uma pilha de imagens, uma por página. Como cada página é uma imagem raster de página inteira em vez de texto selecionável e gráficos vetoriais, PDFs digitalizados são a variedade comum mais volumosa. Um documento digitalizado de 20 páginas pode facilmente atingir 20–60 MB.

A única forma de reduzir substancialmente um PDF digitalizado é recodificar as imagens em uma resolução inferior ou usar um formato de compressão projetado para texto bitonal (como JBIG2 ou CCITT Group 4). Converter uma digitalização em texto selecionável via OCR transforma o arquivo de imagens em texto e vetores, o que é drasticamente menor — mas a qualidade do OCR varia e nem sempre está disponível.

PDFs podem carregar dados redundantes: a mesma imagem colocada em cada página, várias cópias de uma fonte ou metadados verbosos e camadas de conteúdo ocultas do aplicativo de criação. Alguns exportadores de escritório também deixam objetos não utilizados no arquivo que faziam parte de rascunhos intermediários.

Regravar um PDF pode eliminar esses objetos não utilizados e consolidar duplicatas, frequentemente sem mudança visível. É o que uma operação de compressão tipicamente faz: reescreve o arquivo com fluxos de objetos e remove tudo que não é referenciado.

Se seu PDF é maior que o esperado, a causa é quase sempre um dos quatro acima. Você pode reduzi-lo sem enviá-lo a lugar algum: passe-o por uma ferramenta local decomprimir PDF que regrava com fluxos de objetos e remove objetos não utilizados. Para PDFs ricos em imagens, os maiores ganhos vêm de recodificar as imagens de origem antes que entrem no PDF.