Как узнать, сжат ли файл PDF или нет и (не) сжать его

Я только что узнал, что PDF-файлы можно сжать, чтобы уменьшить размер их диска.

1. Мне было интересно, как узнать, был ли PDF-файл уже сжат?
2. Какие приложения / команды можно использовать для сжатия или распаковки PDF-файла?

Моя среда Linux Ubuntu 10.10.

Некоторые попытки не дают удовлетворительных результатов:

1. Вот результаты попыток pdftk:

   $ pdftk 3.pdf output 5.pdf uncompress 
   $ pdftk 3.pdf output 3comp.pdf compress 
   $ ls -l 3.pdf 3comp.pdf 5.pdf
   -rwxrwx--- 1 root plugdev  8652269 2011-07-30 12:27 3comp.pdf
   -rwxrwx--- 1 root plugdev  8652319 2011-07-29 22:15 3.pdf
   -rwxrwx--- 1 root plugdev 16829828 2011-07-30 12:27 5.pdf
   

   Свойства файлов показывают, что все они не оптимизированы.

2. Результаты конвертации в ps и затем обратно в pdf:

   $ pdf2ps 3.pdf 3.ps
   $ ps2pdf 3.ps 3c.pdf
   $ ls -l 3.pdf 3.ps 3c.pdf
   -rwxrwx--- 1 root plugdev   8808946 2011-07-30 13:14 3c.pdf
   -rwxrwx--- 1 root plugdev   8652319 2011-07-29 22:15 3.pdf
   -rwxrwx--- 1 root plugdev 122375966 2011-07-30 13:14 3.ps
   

короче говоря:

Чтобы узнать, сжат ли он уже:

strings your.pdf | grep /Filter

Чтобы (не) сжать PDF, используйте QPDF

qpdf --stream-data=compress your.pdf compressed.pdf
qpdf --stream-data=uncompress compressed.pdf uncompressed.pdf  

объяснение:

Ключевое слово «Filter» внутри pdf-файла является индикатором используемого метода сжатия. Некоторые из них:

CCITT G3 / G4 - используется для монохромных изображений
JPEG - алгоритм с потерями, который используется для изображений
JPEG2000 - более современная альтернатива JPEG, которая также используется для сжатия изображений
Flate - используется для сжатия текста, а также изображений
JBIG2 - альтернатива Сжатие CCITT для монохромных изображений
LZW - используется для сжатия текста и изображений, но заменяется на Flate
RLE - используется для монохромных изображений
ZIP - используется для изображений в оттенках серого или цветных изображений

(скопировано отсюда ).

Однако, учитывая сложную файловую структуру PDF, большую часть времени некоторая часть (или «поток») PDF будет каким-то образом уже сжата (и будет отображаться при grepping / Filter), тогда как другая часть не будет, поэтому нет ответа ДА / НЕТ на вопрос, является ли PDF сжатым.
Один из способов преодоления этого - добавить -cопцию в grep, которая возвращает количество вхождений, чтобы вы могли относительно хорошо видеть, насколько хорошо она сжимается. например, если возвращает меньше 10, это довольно несжатый.strings "large.pdf" | grep -c /Filter

Еще одно свойство, касающееся размера в PDF-файлах, заключается в том, были ли они оптимизированы для быстрого доступа, а «оптимизированные» PDF-файлы имеют больший размер, по словам из Википедии :

В файлах PDF есть два макета: нелинейный (не «оптимизированный») и линейный («оптимизированный»). Нелинейные PDF-файлы занимают меньше места на диске, чем их линейные аналоги, хотя доступ к ним медленнее, поскольку части данных, необходимые для сборки страниц документа, разбросаны по всему PDF-файлу. Линейные PDF-файлы (также называемые «оптимизированными» или «веб-оптимизированными» PDF-файлами) создаются таким образом, чтобы их можно было читать в плагине веб-браузера, не дожидаясь загрузки всего файла, поскольку они записываются на диск в линейная (как в порядке страницы) мода. Файлы PDF могут быть оптимизированы с использованием программного обеспечения Adobe Acrobat или QPDF.

Вы можете проверить, оптимизирован ли PDF, используя pdfinfo your.pdf.

pdftk - это инструмент для выполнения некоторых операций с файлами PDF, таких как сжатие / распаковка:

$ pdftk test.pdf output compressed_test.pdf compress

Я нашел способ сжатия в файле PDF. Откройте PDF с текстовым редактором. Запустите Поиск или Найти -enter CCITT, если не найдено, введите JPEG, затем Flate, затем JBIG2, затем LZW, затем RLE, а затем ZIP.
Звучит хуже, чем есть! Очень легко найти метод сжатия потока данных.

Просто проверьте его свойства; он скажет, если файл сжат или нет.