PDFのファイルサイズが大きい理由と、原因別に効く対処法
PDFが大きくなる原因は、画像、フォント、不要になったデータのいずれかで、原因ごとに対処法が異なります。構造的な圧縮は無駄を取り除くだけなので、スキャン文書を小さくするには画像の解像度を下げる必要があります。
ConvertBox公開
PDFの中身と、それぞれの重さ
PDFは番号の付いたオブジェクトの集まりです。ページごとに描画命令を収めたコンテンツストリームが1つあり、その命令が参照するフォントや画像が別に保存されています。命令そのものはごく小さなものです。文字の絵ではなく文字コードと位置だけを記録するため、文字で埋まった1ページでも圧縮後は数キロバイトに収まります。
サイズを生むのは別の3つです。画像、埋め込まれたフォント、そしてファイルに含まれているのに使われていないデータです。どれが大部分を占めているかが分かれば対処法が決まります。ある原因に効く方法は、別の原因にはまったく効かないからです。
スキャンしたページ:サイズを決めるピクセルの計算
スキャナーが作るのはテキストではなく、1ページにつき1枚の写真です。A4用紙は8.27 × 11.69インチなので、300 DPIでスキャンすると2480 × 3508ピクセル、約870万画素になります。24ビットカラーで保存すると、圧縮前の生データは1ページあたり26 MBです。JPEG圧縮で大幅に小さくなりますが、カラーのページは1枚あたり数百キロバイトから1 MB超になるのが普通です。
解像度を半分にするとピクセル数は4分の1になり、カラーをやめると生データは3分の1になります。1ピクセルが1ビットの白黒スキャンはさらに小さく、文字ページ向けに設計された圧縮方式と組み合わされるため、ファクスのようにスキャンした文書は1ページ数十キロバイトで済むことがあります。画面で読むだけなら150 DPIで十分です。300 DPIが意味を持つのは、再び印刷する場合やOCRにかける場合です。
| スキャン設定 | A4 1ページのピクセル数 | 圧縮前の生データ |
|---|---|---|
| 300 DPI、カラー | 2480 × 3508 | 26.1 MB |
| 300 DPI、グレースケール | 2480 × 3508 | 8.7 MB |
| 150 DPI、カラー | 1240 × 1754 | 6.5 MB |
| 300 DPI、白黒(1ビット) | 2480 × 3508 | 1.1 MB |
埋め込みフォント、繰り返し保存されたリソース、残った古いデータ
どの環境でも同じ見た目になるように、PDFは通常、使用したフォントをファイルに埋め込みます。適切な書き出し機能はサブセット、つまり文書に実際に現れる文字だけを埋め込み、その場合は1フォントあたり数十キロバイトで済みます。高くつくのはフォント全体を埋め込んだときです。欧文フォントは数百キロバイト程度ですが、日本語、中国語、韓国語のように数万字を持つフォントは数MB以上になることがあります。画像のない2ページの文書が数MBもある場合、ほとんどは日本語フォントが丸ごと埋め込まれています。
2つ目の原因は繰り返しです。きちんと作られたPDFはロゴを1回だけ保存し、すべてのページがそれを参照します。出来の悪い生成ソフトはページごとに新しいコピーを埋め込むため、150 KBのレターヘッドが100ページにあれば15 MB増えます。3つ目は履歴です。PDFには増分保存という仕組みがあり、編集ソフトは変更したオブジェクトをファイルの末尾に追記し、古いバージョンをそのまま残します。注釈を付けて保存し直す作業を何度も繰り返したファイルには、誰も目にしない古いページが何世代分も入っていることがあります。
自分のファイルの原因を見分ける方法
- ファイルサイズをページ数で割ります。テキストのページは平均数十キロバイトです。1ページあたり500 KB前後かそれ以上なら、原因は画像です。
- 単語を1つ選択してみます。文字が反転せず、ページ全体が枠で囲まれるなら、そのページはスキャン画像です。
- 文書のプロパティでフォントの一覧を確認します。埋め込みサブセットと表示された項目は軽く、全体が埋め込まれたフォントが並んでいる場合は重くなります。
- 履歴を確かめます。注釈、署名、再保存を何度も経たファイルや、古いシステムから出力されたファイルは、不要なオブジェクトを抱えている可能性があります。
- 元のファイルと比べます。ワープロやスライドの元ファイルが1 MBなのにPDFが30 MBなら、書き出し設定がすべての画像を元の解像度のまま残しています。
どの対処法がどの原因に効くか
元の文書が残っているなら、書き出し直すのが最も強力な方法です。画像の解像度、JPEGの品質、フォントのサブセット化を、書き出し機能が最初から決め直せるからです。印刷用やプレス用という名前のプリセットは画像を300 DPIのまま保つか、まったく手を加えません。画面用、Web用、最小サイズという名前のプリセットは、おおよそ100〜150 DPIにダウンサンプリングします。
| 原因 | 効果のある対処法 | 作業する場所 |
|---|---|---|
| 画像が元の解像度のまま書き出されている | 元のファイルから、小さいサイズ用または画面用のプリセットで書き出し直す | 文書を作成したアプリの書き出しダイアログ |
| 高いDPIやカラーでスキャンしている | 150 DPIまたはグレースケールでスキャンし直すか、PDF内の画像をダウンサンプリングする | スキャナーの設定、GhostscriptやAcrobatなどのデスクトップソフト |
| フォント全体が埋め込まれている | フォントのサブセット化を有効にして書き出し直す | 文書を作成したアプリ、またはデスクトップのPDF最適化ソフト |
| 保存の繰り返しで残ったオブジェクト | ファイル構造を作り直す | 構造的な圧縮ツール(ブラウザ上のものを含む) |
| 受け取る相手に不要なページ | そのページを削除するか、文書を分割する | ページ単位のツール(画質は落ちない) |
構造的な圧縮にできること、できないこと
PDFの圧縮と呼ばれる作業には、実は2種類あります。構造的な圧縮は無駄のない形でファイルを書き直すもので、見た目は何も変わりません。非可逆圧縮は画像をダウンサンプリングして再エンコードし、鮮明さと引き換えにサイズを減らします。ConvertBoxのPDF圧縮ツールが行うのは前者だけです。すべてのページを新しい文書にコピーし、参照されなくなったデータを捨て、コンパクトなオブジェクトストリームで保存します。画像のダウンサンプリングや再圧縮は行わず、品質の段階もありません。
結果は予測できます。何度も編集して保存し直したファイルや、古いソフトで書き出したファイルは小さくなります。スキャン文書はほとんど変わりません。バイトの大半が画像データで、それがそのままコピーされるからです。作り直したファイルが小さくならなかった場合、ツールは0%と表示するので、元のファイルを使い続けてください。この種の再構築では、しおり、入力可能なフォームの定義、添付ファイルは引き継がれず、デジタル署名も無効になります。フォームや長いマニュアルの場合は、元のファイルを置き換える前に出力を確認してください。テキストを選択可能なままPDF内の画像を小さくするには、GhostscriptやAcrobatのように画像をダウンサンプリングできるデスクトップソフトを使います。
書き出し直せないとき:ページの削除、分割、画像を経由する方法
相手に不要な部分を取り除く方法は無劣化で、それだけで足りることも少なくありません。ページ整理ツールで付録のページを削除しても、上限に収まるように文書をいくつかに分割しても、残ったページは元のままです。テキスト文書には注意点が1つあります。全ページで共有されるフォントは元のファイルでは1回しか保存されていませんが、分割するとそれぞれにコピーされるため、分割後の合計が元より大きくなることがあります。
より良い元データがないスキャン文書の場合、残る方法は画像を経由することです。ページをJPEGとして書き出し、圧縮してから、その結果で新しいPDFを作ります。ConvertBoxのPDFをJPGに変換するツールはページを144 DPIでレンダリングします。これは300 DPIのスキャンのおよそ半分の線解像度です。代償として、選択できたテキストはピクセルになるため、この方法はテキスト文書ではなくスキャン文書に向いています。最後に、メールの容量制限には余裕を持たせてください。添付ファイルは送信用にエンコードされてサイズが約3分の1増えるため、20 MBのファイルが25 MBの制限で拒否されることがあります。