Portare un PDF sotto un limite di 10 MB

I megabyte stanno in uno di due posti, e questo decide tutto

Un PDF è un contenitore. Dentro, una pagina può essere descritta come istruzioni — disegna questo glifo qui, in questo carattere, traccia questa linea — oppure come una fotografia di una pagina. Il primo tipo è ciò che producono un elaboratore di testi, un foglio di calcolo o uno strumento di reportistica. È sorprendentemente compatto: una pagina di testo fitto sono pochi kilobyte di istruzioni, e i caratteri sono condivisi da tutto il documento invece di essere ripetuti. Il secondo tipo è ciò che producono uno scanner o la fotocamera di un telefono: una fotografia di un foglio di carta, salvata in JPEG, una per pagina.

L'aritmetica che segue non è in bilico. Un contratto di dodici pagine esportato da un elaboratore di testi spesso sta sotto i 200 KB in totale. Le stesse dodici pagine scansionate a 300 dpi sono dodici fotografie da circa 8,7 megapixel ciascuna, e pesano intorno ai 12 MB. Nulla del contenuto è cambiato; è cambiata la rappresentazione. Ecco perché il consiglio generico «comprimi il PDF» non serve senza sapere quale dei due hai: i due casi non hanno quasi nulla in comune tranne l'estensione.

Cosa toglie davvero la compressione strutturale

Un PDF è costruito con oggetti numerati, e il file porta una tabella di riferimenti incrociati che dice dove comincia ciascuno. Modificare un documento più volte, o generarlo da un modello, lascia quella struttura grassa: oggetti a cui non punta più nulla, dizionari ripetuti una volta per pagina invece di condivisi, una tabella di riferimenti a cui si è aggiunto invece di riscriverla. Riscrivere il file con flussi di oggetti impacchetta molti oggetti piccoli in un unico flusso compresso e sostituisce la tabella con un equivalente compresso. È ciò che fa il compressore di questo sito, ed è davvero senza perdita: ogni glifo, ogni linea, ogni pixel è bit per bit quello che era.

Il limite onesto è l'altra faccia di quella frase. Essendo senza perdita, non può toccare i flussi immagine: un JPEG dentro il PDF esce identico. Su un documento scansionato la struttura è un involucro sottile attorno a una pila di fotografie, quindi togliere lo spreco strutturale toglie un errore di arrotondamento. Lo strumento ti dirà che non ha quasi risparmiato nulla, e dirà il vero: non c'era quasi nulla da risparmiare.

La risoluzione è quadratica, ed è tutta lì la leva

La pagina non cambia dimensione, quindi la risoluzione si moltiplica in due direzioni insieme. Passare da 300 dpi a 200 dpi è un fattore di due terzi su ciascun asse, e due terzi al quadrato fanno quattro noni: il 44,4% dei pixel, il 55,6% tolto. Passare da 300 a 150 è metà su ciascun asse e dunque un quarto dei pixel. Ecco perché la risoluzione è l'unica leva con braccio reale su una scansione, e perché piccoli aggiustamenti producono grandi differenze di peso.

Dove fermarsi è un giudizio su chi legge il documento. Duecento dpi è la soglia abituale scritta nei capitolati amministrativi, e a quella risoluzione il testo corrente e le firme restano puliti a schermo e stampano in modo accettabile. Centocinquanta è ancora leggibile ma comincia ad ammorbidire il corpo piccolo, le note a piè di pagina e le impronte dei timbri. Sotto, i caratteri si fondono. E se il documento sarà dato in pasto a un sistema di riconoscimento del testo anziché letto da una persona, non ridurre affatto: l'accuratezza del riconoscimento cala nettamente sotto i 300 dpi, e un modulo respinto è un risultato peggiore di un secondo tentativo di invio.

La via quando non puoi rifare la scansione

Spesso la scansione arriva da altrove e l'originale non c'è più. La strada è smontare il PDF e ricostruirlo: esporta ogni pagina come immagine, riduci quelle immagini e assembla un nuovo PDF dal set ridotto. Sono tre passaggi invece di uno, e ognuno gira nel browser, così una busta paga o un modulo sanitario non viaggiano per farlo.

Un avvertimento sulla ricodifica JPEG ripetuta, perché questa strada la comporta. Un JPEG decodificato e ricodificato perde un po' ogni volta, e la perdita si accumula; non si vede dopo un passaggio a qualità ragionevole, e si vede dopo cinque. Fai la riduzione una volta, alla risoluzione che ti serve davvero, invece di limare il file in più tentativi. Se il primo tentativo esagera, torna al PDF originale e ricomincia invece di ridurre di nuovo la copia già ridotta.

Quando dividere batte ridurre

Leggi il limite con attenzione prima di degradare qualsiasi cosa. La maggior parte dei moduli limita ogni allegato e non l'invio, e moltissimi ne accettano più d'uno. Una scansione da 14 MB che deve restare a 300 dpi perché sarà letta da una macchina si divide in due metà da 7 MB che si caricano entrambe a piena qualità. È un risultato migliore di un file unico a 150 dpi su cui il sistema di riconoscimento poi fallisce.

Due avvertenze minori da conoscere. Alcuni moduli misurano la dimensione codificata di un invio invece del file su disco, il che per un allegato di posta aggiunge circa un terzo; se mandi per posta anziché tramite modulo, punta a circa 7 MB per superare un tetto di 10 MB. E un PDF protetto da password non può essere ristrutturato né diviso senza di essa, perché lo strumento non può leggere la struttura di oggetti che dovrebbe riscrivere — togli prima la protezione, lavora, poi rimettila.

Una decisione che prendi dalla sola dimensione

Messa insieme, la regola sta in una riga: i kilobyte per pagina ti dicono che problema hai, e il problema ti dice quale strumento. I PDF di testo rispondono alla compressione strutturale e non perdono nulla; le scansioni rispondono solo alla risoluzione e in cambio perdono dettaglio. Sbagliare strumento costa qualche secondo; sapere quale è quale trasforma un rifiuto del modulo in un problema risolto, di solito al primo tentativo.

Domande frequenti

L'ho compresso e non è quasi cambiato. Lo strumento è rotto?

Quasi certamente no: ti sta dicendo che il file è una scansione. La compressione strutturale è senza perdita, quindi non può ricodificare le immagini dentro il PDF, e in un documento scansionato le immagini sono in pratica tutto il file. Un risultato dell'uno o due per cento significa che c'era l'uno o due per cento di spreco strutturale e nient'altro da prendere. Guarda i kilobyte per pagina: sopra i 300 KB circa la risposta è la risoluzione, non la compressione.

Ridurre la risoluzione rende il documento giuridicamente invalido?

Ridurre la risoluzione non incide di per sé sulla validità, ma due cose possono farlo. Se il documento porta una firma elettronica, qualsiasi modifica la rompe: la firma copre i byte esatti, quindi un PDF ricostruito è un altro documento agli occhi della firma, e risulterà invalida. E alcune procedure fissano una risoluzione minima nelle proprie regole, di solito 200 o 300 dpi. Controlla il requisito indicato dal modulo prima di ridurre, e se il file è firmato non ricostruirlo affatto: dividilo, oppure chiedi se la firma può essere riapposta.

Perché la stessa pagina occupa più spazio a colori che in grigi?

Perché il colore memorizza tre canali dove il grigio ne memorizza uno, e perché il rumore fotografico di una scansione a colori si comprime male. Su un originale in bianco e nero — una lettera, un modulo, un contratto — scansionare in grigi anziché a colori toglie di solito un altro terzo o metà a parità di risoluzione, e non perde nulla di ciò che era nel documento. Scansiona a colori solo quando il colore porta significato: un timbro, un passaggio evidenziato, un grafico, un documento d'identità.

Posso semplicemente mettere il PDF in uno zip?

Non farà risparmiare quasi nulla, perché un PDF è già compresso al suo interno: i suoi flussi sono compressi in deflate, e le immagini sono JPEG, cioè dati già compressi. Comprimere dati compressi guadagna di solito l'uno o due per cento. E in pratica di solito peggiora le cose: molti moduli rifiutano gli archivi senz'altro, e un istruttore costretto a scompattare un allegato è un istruttore infastidito senza alcun guadagno.

Il limite dice 10 MB e il mio file pesa 9,4 MB, ma viene rifiutato. Perché?

Di solito una di tre cose. Il limite può valere per l'intero invio anziché per ogni allegato, quindi contano anche gli altri file. Il sistema può misurare il caricamento codificato invece del file su disco, il che aggiunge circa un terzo per un allegato di posta. Oppure il megabyte stesso è ambiguo: 10 MB possono significare 10.000.000 di byte o 10.485.760, e un file che il sistema chiama 9,4 MB può superare il minore dei due. Punta a un margine comodo — circa 7 MB contro un tetto di 10 MB — invece di cercare di starci per un soffio.