使用Ghostscript对PDF做OCR后文件体积大幅增大如何解决？

方案1：使用Ghostscript内置参数直接保留原图像 #

Ghostscript 9.56及以上版本的pdfocr系列设备支持-dKeepOriginalImages参数，启用后不会重新编码渲染原PDF内的图像资源，仅在原有文件基础上叠加OCR识别得到的隐形文字层，输出文件体积仅会比原文件增加几百KB的文字数据，完全保留原有画质与OCR识别准确率。
修改后的命令如下：

gswin64c -sOCRLanguage="fast/eng" -sDEVICE=pdfocr24 -dKeepOriginalImages -o out.pdf in.pdf

如果对彩色输出没有强制要求，也可以将pdfocr24替换为pdfocr8，进一步缩小额外占用的空间。

方案2：使用OCR专用工具实现需求 #

如果你的Ghostscript版本不支持上述参数，可以换用ocrmypdf工具实现需求，该工具基于Tesseract OCR引擎，默认策略就是保留原PDF的所有图像、排版资源，仅叠加OCR文字层，OCR识别准确率普遍高于Ghostscript内置OCR能力，使用命令如下：

ocrmypdf -l eng in.pdf out.pdf

方案3：对已生成的大体积OCR文件做二次压缩 #

如果你已经生成了大体积的OCR PDF，可以用Ghostscript的pdfwrite设备做二次压缩，删除冗余的图像数据、合并重复资源，在基本不损失画质与OCR层的前提下缩小体积，命令参考：

gswin64c -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/prepress -dNOPAUSE -dBATCH -dDetectDuplicateImages=true -dCompressFonts=true -r300 -o compressed_out.pdf large_ocr_out.pdf

内容的提问来源于stack exchange，提问作者Hid Dencum