Python合并PDF时如何合并重复字体以减小文件体积？

问题原因 #

你用pypdf合并450个PDF时，每个源文件里的字体哪怕是同一款，都会被单独嵌入到最终PDF中，pypdf默认不会自动去重合并重复的字体资源，这就导致字体数量暴增到613个，占了95%的文件体积。而Acrobat打印生成PDF时，会重新梳理文档资源，自动合并重复字体、子集化字体甚至转成轮廓，所以体积会大幅缩小。

解决方案 #

方案1：改用PyMuPDF（fitz）合并（推荐）

PyMuPDF在合并PDF时会自动优化资源，包括合并重复字体，同时支持压缩，能直接解决体积问题：

import fitz

def merge_pdfs(pdf_paths, output_file):
    # 创建空的合并文档
    merged_doc = fitz.open()
    for pdf_path in pdf_paths:
        # 逐个打开源PDF并插入到合并文档中
        with fitz.open(pdf_path) as source_doc:
            merged_doc.insert_pdf(source_doc)
    # 保存时启用垃圾清理和压缩：garbage=4清理所有无用资源，deflate=True压缩流
    merged_doc.save(output_file, garbage=4, deflate=True)
    merged_doc.close()

方案2：优化pypdf的合并逻辑

如果坚持使用pypdf，可以通过启用压缩和资源优化来尝试减少体积（效果可能弱于PyMuPDF）：

import pypdf
from pypdf import PdfReader

def merge(folder_path, pdf_paths, output_file):
    merger = pypdf.PdfWriter()
    # 启用默认压缩模式
    merger.set_compression_mode(pypdf.CompressionMode.DEFAULT)

    for pdf_path in pdf_paths:
        reader = PdfReader(open(pdf_path, 'rb'))
        # 追加文档，关闭大纲导入以减少额外资源
        merger.append(reader, import_outline=False)

    # 优化文档，合并重复的资源对象（包括字体）
    merger.optimize()
    merger.write(output_file)
    merger.close()

方案3：合并后用Ghostscript优化（需安装Ghostscript）

如果允许使用外部工具，Ghostscript是处理PDF体积的专业工具，能达到和Acrobat打印类似的效果：

# 命令行执行，merged.pdf是合并后的大文件，optimized.pdf是优化后的小文件
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dBATCH -sOutputFile=optimized.pdf merged.pdf

/screen参数针对屏幕显示优化，会压缩图像、合并重复字体，视觉效果满足需求，体积大幅降低。

内容的提问来源于stack exchange，提问作者Ryan Schunk