PyPDF4 - 导出的 PDF 文件太大

Question

我有一个大约 7000 页和 479 MB 的 PDF 文件。 如果页面包含特定单词，我已经使用 PyPDF4 创建了一个 python 脚本来仅提取特定页面。 该脚本有效，但新的 PDF 文件，即使它从原来的 7000 页只有 650 页，现在比原始文件有更多的 MB（确切地说是 498 MB）。

有什么办法可以减小新 PDF 的文件大小？

我使用的脚本：

from PyPDF4 import PdfFileWriter, PdfFileReader
import os
import re


output = PdfFileWriter()

input = PdfFileReader(open('Binder.pdf', 'rb')) # open input

for i in range(0, input.getNumPages()):
    content = ""
    content += input.getPage(i).extractText() + "\n"


    #Format 1
    RS = re.search('FIGURE', content)
    RS1 = #... Only one search given as example. I have more, but are irrelevant for the question.
    #....

    # Format 2
    RS20 = re.search('FIG.', content)
    RS21 = #... Only one search given as example. I have more, but are irrelevant for the question.
    #....

    if (all(v is not None for v in [RS, RS1, RS2, RS3, RS4, RS5, RS6, RS7, RS8, RS9]) or all(v is not None for v in [RS20, RS21, RS22, RS23, RS24, RS25, RS26, RS27, RS28, RS29, RS30, RS30])):
        p = input.getPage(i)
        output.addPage(p)

#Save pages to new PDF file
with open('ExtractedPages.pdf', 'wb') as f:
    output.write(f)

Answer 1

经过大量搜索找到了一些解决方案。 导出的 PDF 文件的唯一问题是它是 uncompressed。所以我需要一个压缩PDF文件的解决方案：

1. PyPDF2 和/或 PyPDF4 没有压缩 PDF 的选项。 PyPDF2 有 compressContentStreams() 方法，which doesn't work。

2. 找到了一些其他声称可以压缩 PDF 的解决方案，但没有一个对我有用（在此处添加它们以防它们对其他人有用）： pylovepdf ; pdfsizeopt ; pdfc

3. 第一个对我有用的解决方案是 Adob​​e Acrobat Professional。它将大小从 498 MB 减少到 2.99 MB。

4. [最佳解决方案] 作为另一种可行的开源解决方案，我找到了coherentpdf。 对于 Windows，您可以下载预构建的 PDF 压缩工具。 然后在cmd中：

   cpdfsqueeze.exe 输入.pdf 输出.pdf

这实际上比 Adob​​e Acrobat 压缩了 PDF。从 498 MB 到 2.48 MB。从原始压缩到 0.5%。我认为这是最好的解决方案，因为它可以添加到您的 Python 代码中。

5. 编辑： 找到另一个也有 GUI 的免费解决方案。 PDFsam。您可以在一个 PDF 文件上使用合并功能，并在高级设置中确保您选中了压缩输出。这从 498 压缩到 3.2 MB。

Answer 2

如果您同意丢失 PDF 中的任何链接，请在保存文件之前尝试调用 PdfFileWriter.removeLinks() 函数。我遇到了同样的问题，但在保存之前调用此函数会使我的文件大小从 44.7MB 减少到仅 1.09MB。

Answer 3

在 Linux 中，您可以使用 ps2pdf 工具压缩生成的 pdf 文件，该工具是 ghostscript 套件的一部分。 安装ghostscript：

$ sudo apt-get install ghostscript

运行以下命令以减小大型 pdf 文件的大小

$ ps2pdf large.pdf compressed.pdf

当我尝试这个时，我没有发现任何质量损失。