如果我有多页PDF，请使用出色的poppler package（使用brew install poppler安装在macOS上）将其分成单独的页面，如下所示：
pdfseparate foo.pdf bar-%04d.pdf
，然后重新加入生成的bar-####。pdf文件，如下所示：
pdfunite bar-*.pdf baz.pdf
生成的baz.pdf似乎具有相同的内容，但是文件更大。
起初我假设是因为结果中或某些内容中会存在重复的元数据。但是，即使我使用exiftool和{{3}从所有文件（即从输入）以及中间的bar-####。pdf文件以及所得的输出文件中剥离所有元数据}：
# command line steps to strip metadata from (and re-linearize) example.pdf :
exiftool -all= -overwrite_original example.pdf ;
mv example.pdf temp.pdf ;
qpdf --linearize temp.pdf example.pdf
然后仍生成的baz.pdf文件比原始输入大得多。
这可能是什么原因？多页PDF文件中除了裸内容外还有什么？假设poppler的pdfseparate和pdfunite保持了实际内容本身不变，并且我对元数据的剥离是正确的。
或者pdfseparate和pdfunite是否有可能以无损但次优的方式分解和重建PDF内容？ （我对PDF文件的内部结构不够了解，但是我可以想象有很多不同的方法可以对相同内容进行编码）
顺便说一句，如果我使用exiftool somefile.pdf检查任何涉及的PDF文件，它实际上根本没有显示任何元数据（并且线性化：是）。
答案 0 :(得分：2)
PDF页面使用字体，图像等共享资源。拆分文档时，共享资源进入每个结果文件。合并这些文件时，资源可能不会被合并回去（这取决于合并工具的实现方式），从而导致文件大得多。