PDF ツール6種、1つの文書:各手順が実際に何を払うのか
ツール6つ、文書1つ、代償は6通り。同じファイルを6つすべてに通し、出てきたもの——バイト、ページ数、ミリ秒——を測りました。5つは容量にほとんど触れず、6つ目が400倍に膨らませます。
1. 測定した内容
このページの数字はすべて実ファイルから出ています。この端末のブラウザで実行したもので、仕様表でもベンダーの主張でもありません。素材は6ページのテキストのみ PDF(5,428 バイト)と、6ページの写真 PDF(786,190 バイト)です。
コンテナの比較用に、同じ6ページを画像にラスタライズし、スクリーンショット2枚から2ページの PDF も作りました。計時は書き出しボタンを押した時点から始まり、ダウンロードリンクが出た時点で止まります。ライブラリの処理時間を含み、クリックは含みません。
1つだけ先に書きます。最初の PDF から画像への実行は「画像を書き出せません」という表示で失敗し、同じファイルの2回目は成功しました。これはブラウザのバックグラウンド制限であってツールの限界ではなく、最後の節で何が変わったかを説明します。
2. 6つの代償を1つの表に
最後の列から読んでください。5つの操作は元ファイルの0.5%以内に収まります。1つだけ400倍になり、それだけが PDF 形式から出ていきます。
結合の行が一番不思議です。出力は入力より小さい。791,618 バイト入って 788,314 バイト出て、12ページ。圧縮はしていません。消えたのは重複です。2つの文書が1つになると、共有していたフォントやリソースオブジェクトが1つになり、相互参照表も1回だけ書かれます。
分割は逆方向で、比率は保たれました。6ページ中4ページで 523,042 バイト、元の 66.5% で、4/6 とほぼ一致します。ページ抽出はページをコピーするのであって、再エンコードではありません。
| 操作 | 入力 | 出力 | ページ | 時間 | 容量変化 |
|---|---|---|---|---|---|
| 2ファイルの結合 | 791,618 B | 788,314 B | 12 | 1.0 秒 | −0.4% |
| 2、4〜6ページの分割 | 786,190 B | 523,042 B | 6中4 | 4.0 秒 | −33.5% |
| 90°回転 | 786,190 B | 785,219 B | 6 | 1.05 秒 | −0.12% |
| ページ番号付与 | 786,190 B | 786,571 B | 6 | 1.08 秒 | +0.05% |
| 画像から PDF | 53,993 B | 36,420 B | 2 | 1.55 秒 | −32.5% |
| PDF から画像 | 5,428 B | 2,394,683 B | 6 PNG | 約8 秒 | ×441 |
3. PDF が変えられる3つの層
PDF はページの画像ではありません。3つの構造が積み重なっています。ページと順序を並べるページツリー、サイズと回転とリソースを持つページごとの辞書、描画命令を持つページごとの内容ストリームです。
ツールがどの層を触るかで、ファイルがどれだけ動くかが決まります。結合と分割はページツリーを触ります。ページがツリー間を移動するだけで、何も描き直しません。回転は辞書の整数1つを触ります。ページ番号は内容ストリームに小さなテキストを足します。
表の最後の2行は別物です。画像から PDF は新しいページを作り、画像データを包みます。入る時に PDF ライターが画像を再圧縮します。PDF から画像は形式から出ます。各ページをピクセルにラスタライズし、ピクセルはもう文書ではありません。
4. 回転がほぼ無料な理由
回転したファイルが元より 971 バイト小さくなるのは不具合に見えて、そうではありません。回転はページ辞書に角度という値1つを書きます。描画命令、フォント、画像はそのままコピーされ、ライターが相互参照表を新しく出力します。971 バイトはそこです。
ページ番号は6ページで 381 バイト増、1ページあたり約 63 バイトです。テキストオブジェクト1つ、フォント参照1つ、短い文字列1つ。写真ファイルでは見えません。5 KB のテキストファイルなら目に見える割合になります。小さい変更を割合で語るのが不適切な理由がこれです。
実務的な結論はこうです。回転とページ番号は文書が必要とするたびにやってよいほど安く、考えるべきは代償ではなく順序です。
5. 唯一膨らむ方向
5,428 バイト入って 2,394,683 バイト出。441倍で、しかもテストで一番小さいファイルからです。6ページがそれぞれ 1190×1683 ピクセルの PNG になり、1枚あたり約 389 KB。
理由は設定ではなく算数です。テキストのページは数百のグリフ命令。ピクセルのページは200万個のピクセルで、すべて保存する必要があり、PNG が消せるのは繰り返しの部分だけです。PDF から画像への変換は、どのツールでもどの倍率でもこの代償を払います。
倍率はいくら払うかを決め、払うかどうかは決めません。2倍から1.5倍に下げると、エンコード前のピクセル数が44%減り、サムネイルやスライドなら通常は十分です。PDF は残し、画像は書き出し物として扱ってください。
6. 6つの並べ方
ここでは速さより順序が重要です。回転とページ番号は分割の前に。分割はその時点にあるページしかコピーしないからです。圧縮は構造の編集が終わった後に。圧縮済みファイルは編集しにくく、後からの変更が利益の一部を打ち消します。
測定結果と合う順番は、結合、回転、ページ番号、分割、圧縮、そして最後にラスタライズ。ラスタライズは本当に画像が必要なページだけです。
サポートで見る摩擦のほとんどはツールの失敗ではありません。連鎖の誤った位置に手順を置き、次の手順が前の手順を捨てているだけです。
7. よくある質問
結合したファイルが2つ分より小さいのはなぜですか?
結合はバイトをコピーせず、文書を再構築するからです。共有フォント、画像、リソースオブジェクトは1つになり、相互参照表も2つから1つになります。同じページが指定した順に出て、内部の重複が減ります。
回転で容量がほとんど変わらないのはなぜですか?
回転はページ辞書の数値で、描き直しではありません。角度はページごとに保存され、表示時にビューアが適用します。内容ストリームはコピーされるので、容量差は索引の書き換え分だけです。
PDF から画像が最初に失敗したのはなぜですか?
最初の実行ではタブがバックグラウンドにあり、ブラウザがそこで描画を制限します。前面に戻すと同じファイルが6ページすべて書き出せました。書き出しが1回失敗したら、ファイルを疑う前にタブを前面にして再試行してください。
