使用GhostScript等工具合并PDF时如何预估输出文件大小

GhostScript（gs）官方暂无合并场景下的--dry-run参数直接返回预估输出大小，但以下几种方案的准确率远高于输入总大小盲估，可满足分块需求：

方案1：极速空输出预计算（最推荐，准确率接近100%） #

利用gs可将输出流定向到标准输出的特性，运行完整合并逻辑但不落地实际文件，直接统计输出流大小得到准确的合并后体积：

• Linux/macOS 命令示例：

# 返回值为合并后的PDF大小，单位为字节
gs -sDEVICE=pdfwrite -o - -q -dPDFSTOPONERROR 待合并的PDF文件路径列表 | wc -c

• Windows 命令示例：

:: 需提前安装GnuWin32的wc工具，或使用PowerShell的Measure-Object统计字节
gswin64c -sDEVICE=pdfwrite -o - -q -dPDFSTOPONERROR 待合并的PDF文件路径列表 | wc -c

说明：该过程仅消耗CPU做合并计算，不写入磁盘文件，单批数百KB的小PDF预计算耗时在毫秒级，可边遍历文件列表边动态调整待合并文件数量，直到预计算大小接近目标阈值。

方案2：压缩系数预校准法（适合超大量PDF场景，速度更快） #

如果待合并PDF属于同类型（如同批次扫描件、同文档拆分的文本PDF），可先抽样校准压缩系数后批量估算：

• 操作步骤：随机选取10~20个样本合并，计算「实际输出大小/输入文件总大小」的压缩系数，后续批次直接用待合并文件总大小乘以该系数预估输出体积即可。
• 示例：10个样本总输入大小为10MB，合并后实际输出为8MB，压缩系数为0.8，若目标块大小为100MB，每批待合并的输入总大小控制在125MB以内即可，误差通常在5%以内。
• 注意：如果PDF类型差异较大（包含扫描件、矢量文本、嵌入字体等不同类型），可先按类型分组，每组分别校准压缩系数。

方案3：pdftk页数估算法（适合纯拼接无压缩场景） #

如果合并时仅做纯拼接，无需用gs做压缩、去冗余、版本转换等操作，可通过页数估算：

• 先用pdftk *.pdf dump_data | grep NumberOfPages统计所有PDF的页数，合并少量样本得到单页平均大小，后续按页数控量即可，误差远低于直接按输入大小估算。

内容的提问来源于stack exchange，提问作者jschpmr