Comprimir PDF

¿Se sube mi archivo a algún servidor?

No. Todo ocurre dentro de esta pestaña: pdf-lib lee y reescribe la estructura del PDF, una compilación WebAssembly de MozJPEG recodifica las fotos y una de oxipng comprime en PNG sin pérdida. El resultado vuelve como una blob URL creada por tu propio navegador, no un enlace de descarga de servidor alguno. Abre las herramientas de desarrollador, ve a Network y comprime — no verás ninguna petición cargando el contenido del archivo. Desconecta la red por completo y la herramienta sigue funcionando, porque no hay nada que enviar.

¿Por qué mi PDF no bajó casi nada de tamaño?

Porque un PDF con casi solo texto nunca fue grande, y esta herramienta no puede achicar texto — solo recomprime imágenes incrustadas. Antes de construirla medimos esto directamente: la compresión estructural de un PDF (reescribir object streams, deduplicar fuentes) solo quitó un 0,2% a un PDF de 924 KB casi todo texto, y un 1,8% a un certificado de 284 KB. Lo que de verdad hace pesado un PDF es una página escaneada guardada como foto de página completa, o una captura de pantalla pegada en un informe a su resolución original — eso es lo que vale la pena comprimir. Si tu archivo tiene pocas o ninguna imagen dentro del alcance que soporta la herramienta (ver la siguiente pregunta), no esperes gran cambio: el resultado lo dice con honestidad, sin inventar un porcentaje que no ocurrió. Algunas medidas reales de cuando se construyó esto: un contrato con firma digital, con 262 imágenes incrustadas (sobre todo logos pequeños y sellos de firma), bajó de 2,2 MB a 1,9 MB; un informe lleno de capturas de pantalla a resolución original bajó de 9,2 MB a 817 KB — un 91% menos, porque las 17 imágenes eran mucho más grandes de lo que la página necesitaba.

¿Qué recomprime exactamente, y qué deja intacto?

Dos tipos de imagen incrustada, decodificados de forma distinta. El primero tiene /Filter igual a DCTDecode — ya es un JPEG, decodificado con el propio decodificador JPEG del navegador. El segundo tiene /Filter igual a FlateDecode — píxeles crudos comprimidos solo con zlib, que esta herramienta decodifica ella misma: desempaqueta profundidades de bit de 1, 2, 4, 8 o 16 bits por componente, revierte un predictor de fila tipo PNG cuando lo hay (Predictor 10–15 — muy común cuando el PDF se generó a partir de un PNG, como hacen LibreOffice y muchas herramientas de captura-a-PDF), e interpreta los espacios de color DeviceGray, DeviceRGB, DeviceCMYK, CalGray, CalRGB, ICCBased (según el número de componentes /N declarado) e Indexed (paleta). Una imagen con su propio canal alfa (/SMask) también se combina en el resultado, pero solo cuando esa máscara es a su vez una imagen FlateDecode DeviceGray del mismo tamaño en píxeles que la imagen base — una máscara codificada como JPEG, o cuyas dimensiones no coinciden exactamente, es una forma que esta herramienta no ha verificado poder combinar bien, así que toda la imagen se deja intacta en vez de arriesgarse a perder la transparencia en silencio. Se deja intacto por el mismo motivo: cualquier predictor tipo TIFF (valor 2), cualquier array /Decode distinto del predeterminado, cualquier /Mask (máscara de tipo stencil o color-key, distinta de un /SMask), cualquier cadena de filtros como [/ASCII85Decode /FlateDecode] en vez de un FlateDecode simple, y cualquier imagen cuyo espacio de color no encaje en las categorías anteriores (Separation, DeviceN, Lab, e Indexed construido sobre una base DeviceCMYK). El resultado siempre indica cuántas imágenes se recomprimieron y cuántas se dejaron igual, sin ocultar nada.

¿Esto tiene pérdida? ¿Mi escaneo se verá peor?

Depende del tipo de imagen. Una foto o escaneo de tono continuo — DeviceGray, DeviceRGB o DeviceCMYK, sin transparencia — se recodifica como JPEG, que pierde datos cada vez que se codifica; incluso en calidad alta, recomprimir un JPEG ya comprimido una vez pierde algo más que la primera pasada. El control de calidad cambia tamaño de archivo por fidelidad de forma directa, y el texto de una página escaneada suele seguir siendo legible bastante por debajo del punto donde una foto empieza a verse mal. Una imagen DeviceCMYK además se convierte a RGB con la misma aproximación que usa cualquier visor sin un motor de gestión de color completo — no es fiel al color, esta herramienta no sirve para pruebas de color de imprenta. Una imagen con canal alfa, o que usa paleta (Indexed) — un icono, un logo, un gráfico de color plano — en cambio se recodifica como PNG optimizado, sin pérdida: no se descarta ningún píxel, solo se comprime mejor, por eso estas imágenes a veces apenas bajan de tamaño. En cualquier caso, la herramienta nunca cambia una resolución más baja por un archivo más grande: si la versión recomprimida sería más grande que los bytes originales, se conserva el original y esa imagen cuenta como sin cambios, no como recomprimida. Si necesitas conservar los píxeles originales exactos, guarda una copia del archivo fuente antes de comprimir.

¿Qué hace el límite de resolución?

Reduce las dimensiones en píxeles hasta un DPI objetivo, asumiendo que — como suele pasar con una página escaneada o una captura de página completa — la imagen llena la página donde está. Para documentos pensados para leerse en pantalla y no imprimirse, 150 DPI suele ser indistinguible del original a simple vista, y es la palanca más fuerte para reducir un documento escaneado o lleno de capturas, más que el control de calidad por sí solo. Se aplica igual tanto a las imágenes que van por la ruta JPEG como por la ruta PNG. Si una imagen no está referenciada directamente en los recursos (Resources) de ninguna página (por ejemplo, anidada dentro de un formulario), el límite se salta para esa imagen y solo actúa el control de calidad.

¿Cambia el número de páginas o el diseño?

No. Esta herramienta nunca toca el content stream de una página — las instrucciones que colocan texto, gráficos e imágenes — así que nada sobre dónde están las cosas, cuántas páginas hay o qué dice el texto puede cambiar. Solo se reemplazan, en el mismo sitio, los bytes de las imágenes que cumplen los requisitos, en la misma referencia que ya usa el resto del archivo. Hay un cambio estructural que esta herramienta sí hace a propósito: cuando una máscara de transparencia se combina en un único PNG, el objeto de la máscara antigua se elimina del archivo en vez de quedar como peso muerto — medido en un PDF real con 262 imágenes, saltarse ese paso de limpieza por sí solo hacía que el archivo "comprimido" quedara un 7% más grande que el original.