如何通过Python高效压缩PDF？需在保质量前提下进一步缩减大小

一、从生成源头优化（最直接有效） #

既然是用pdfkit调用wkhtmltopdf生成的PDF，先从生成环节减少冗余，比事后压缩更高效：

• 调优wkhtmltopdf的图片相关参数
  除了dpi，加上这些参数能让图片编码更高效：

  • --image-quality 100：强制用最优质量压缩图片，避免默认的过度编码
  • --enable-jpeg-compression：如果你的图片是无透明的JPG，启用这个参数能大幅降低体积（透明图别用）
  • --image-dpi 96：网页默认dpi就是96，之前如果设成更高值（比如300）会导致图片被无意义放大，徒增体积，96足够保证屏幕和常规打印清晰度
    把这些加到pdfkit的配置里，示例代码：

  config = pdfkit.configuration(wkhtmltopdf='/usr/bin/wkhtmltopdf')
  options = {
      'image-quality': '100',
      'enable-jpeg-compression': '',
      'image-dpi': '96',
      'no-outline': '',
      'quiet': ''
  }
  pdfkit.from_string(your_html_content, output_pdf_path, configuration=config, options=options)
  

• 批量预处理源图片
  你单张图片才623字节，但wkhtmltopdf可能会重新编码导致体积膨胀，先把源图片压缩到最优：

  • 格式适配：无透明的小图转JPG（用convert命令：convert input.png -quality 90 output.jpg）；有透明的用PNG-8替代PNG-24，体积能减一半以上
  • 无损压缩：用optipng -o7 input.png压缩PNG，jpegoptim --max=90 --strip-all input.jpg压缩JPG，都是几乎无损的操作，1050张图累计下来能省不少空间

二、事后压缩的进阶操作 #

试过常规工具后，试试这些针对性更强的命令：

• Ghostscript针对图片密集PDF的优化参数
  用这个命令专门处理多图片PDF，保证质量的前提下最大化压缩：

  gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dDownsampleColorImages=true -dColorImageResolution=96 -dNOPAUSE -dQUIET -dBATCH -sOutputFile=compressed.pdf input.pdf
  

  /screen模式是为屏幕显示优化的高质量压缩，要兼容打印可以换成/ebook，但前者压缩比更高；-dDownsampleColorImages=true会把图片统一降到96dpi，和网页源一致，不会损失清晰度

• 用mutool清理压缩
  mutool是MuPDF自带的工具，对图片PDF的压缩效果很出色，命令：

  mutool clean -d -i input.pdf compressed.pdf
  

  -d去除冗余对象，-i自动优化图片编码，全程不损失内容质量

• 合并重复图片
  如果PDF里有重复的图片（比如每页都有相同的图标），用cpdf合并重复资源：

  cpdf -duplicate-images input.pdf -o compressed.pdf
  

  这个操作会把重复的图片只保留一份，其他页面引用该资源，能大幅减小体积

三、清理冗余数据 #

• 去除PDF元数据
  用exiftool删掉PDF里的注释、元数据等无用信息：

  exiftool -all= input.pdf
  

  完全不影响内容，只是去掉额外的冗余数据

• 检查并清理冗余资源
  用pdftk分析PDF结构，查看是否有重复的字体、资源引用：

  pdftk input.pdf dump_data output pdf_info.txt
  

  打开pdf_info.txt查看资源列表，要是有重复项，可以用mutool或cpdf进一步清理

内容的提问来源于stack exchange，提问作者Himanshu K