第一个问题在这里。
因此，我正在使用ghostscript命令缩小我的pdf，从而获得了不错的效果（大小减小了30-40％）。但是，上周的一天，它停止缩小它们，而是给我返回了一个pdf甚至更大的pdf文件（大约1％或更少）。因此我不知道发生了什么，因为该命令曾经可以正常工作，而且我能够轻松地缩小一些pdf ...
我会注意到，在我的pdf上使用gs时，它总是会返回有关GlyphLessFont中缺少的某些字形的错误，但我认为这与我的问题无关（尽管如果您可以将我重定向到修复将要删除的字形字体）非常感谢）。
这是我使用的命令：
`gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dQUIET -dBATCH -sOutputFile=out.pdf`
这也是正确缩小的pdf示例（原始文件大小为4.7mo /缩小版本为2.9mo）https://nofile.io/f/39Skta4n25R/bulletin1_ocr.pdf
编辑：适用于以上文件的精简版本：https://nofile.io/f/QOKfG34d5Cg/bulletin1_light.pdf
这是另一个无效的pdf的输入和输出文件 （输入）https://nofile.io/f/sXsU0Mcv35A/bulletin15_ocr.pdf （通过上面的gs命令输出）https://nofile.io/f/STdJYqqt6Fq/out.pdf
您会注意到输入和输出文件均为27.6mo，而第一个文件减少了。
我还要补充一点，我已经使用pdfocr和tesseract引擎在这些pdf上执行了OCR，这就是为什么我没有尝试转换为png来减小尺寸的原因，我需要额外的OCR层以便我们可以发布这些文件提交给我们的网站，如果可能，我们希望它们更轻巧。
最终信息：ghostscript -v为9.10（2013-08-30），tesseract为3.03，leptonica为1.70，pdfocr为0.1.4
希望你们能提供帮助！
EDIT2：在等待答案的同时，我继续扫描和查找文档，似乎在将pdf通过pdfocr传递之后，它像以前的ghostscript一样被缩小了。因此，我想知道脚本pdfocr是否对ghostscript进行了缩小，因为我知道它会在OCR化过程中将其调用用于其他任务。
答案 0 :(得分：2)
PDF的介质尺寸为35.44 x 50.11英寸，真的是原始尺寸吗？
鉴于您似乎经常使用OCR，我认为一般来说，您的PDF文件仅包含非常大的图像。在这种情况下，对文件大小的主要影响将来自对图像进行下采样。如果您查看documentation，则可以看到/ screen设置将图像降采样为72 dpi，阈值为1.5（因此，超过72 * 1.5 = 107 dpi的图像将降采样为72，其他任何值都被认为是不值得）
您的PDF文件的介质大小为35.44 x 50.11英寸。它的文件相当大（26页），因此我将只考虑第1页。在此页面上，Tesseract在其中放置了一张图像和一堆不可见的文本。第1页上的图像是8位RGB图像，尺寸为2481x3508，它覆盖了整个页面。
因此，该图像的分辨率为2481 / 35.44 x 3500 / 50.11 = 70.00 x 69.84
由于该分辨率低于72 dpi，因此pdfwrite不会对其进行降采样。
如果您的媒体尺寸为8.5 x 11英寸，则图像的有效分辨率为2481 / 8.5 x 2500/11 = 291.8 x 318.18，因此将被下采样大约4倍。
但是.....对我来说，您的“有效” PDF文件还具有很大的媒体尺寸，并且图像也已经低于下采样分辨率。当我使用命令行运行该文件时，输出文件的大小与输入文件的大小基本相同。
所以我茫然地看到您如何体验减小的文件大小。也许您也可以发布缩小的文件。
编辑
因此，通过Ghostscript后文件较小的原因是，绝大多数内容是扫描的页面。这些以DCT编码图像（JPEG）的形式存储在PDF文件中。
图像的分辨率足够低（请参见上文），因此无法进行降采样。但是，旧版本的Ghostscript的工作方式是图像数据始终在读取时解压缩，然后在写入时重新压缩。
由于JPEG是有损图像格式，这意味着解压缩和重新压缩的图像的质量比原始图像低，并且应用质量损失的方式意味着数据的压缩效果更好。
因此，对Ghostscript运作方式的怪癖会导致质量下降，但文件变小。请注意，对于当前版本的Ghostscript，JPEG数据将原封不动地传递，除非，您的配置要求对其进行采样或颜色转换。
那么为什么不压缩其他文件呢？好吧，对于当前的代码，当然，这就是我正在使用的代码，不会，因为图像不需要下采样或其他任何操作。
现在，当我通过这里的旧版本Ghostscript（9.10，之所以选择它是因为您正在使用的缩小文件正在使用）运行它时，确实可以看到文件大小减小了。它从26MB减少到15MB。
当我查看您的“无法正常工作”的压缩文件时，发现 是Ghostscript 9.23而非Ghostscript 9.10生成的。
所以您看到行为上的差异的原因是因为您已升级到更新版本的Ghostscript，在保留图像数据不变方面做得更好。
如果您真的想降低图像质量，可以设置-dPassThroughJPEGImages=false，但是IMO最好要么获得原始PDF coreect的介质尺寸（确定页面不是真的35x50英寸？ ）或将ColorImageResolution设置为较低的值。