Cómo funciona la compresión de un PDF, sin jerga

De qué está hecho un PDF

Dentro del archivo hay objetos: descripciones de página, instrucciones de texto, datos de fuentes, imágenes y trazados vectoriales, además de una tabla de referencias cruzadas que indica al lector dónde empieza cada objeto. La mayoría de esos objetos se guardan como flujos, bloques de datos que se pueden comprimir.

El peso no se reparte por igual. En un documento típico las imágenes son la mayor parte, las fuentes van en segundo lugar, y las instrucciones de texto y de dibujo pesan poco. Ese desequilibrio decide dónde puede notarse la compresión.

Compresión sin pérdida y con pérdida

Los métodos sin pérdida reducen los datos de un modo que se puede revertir exactamente. El más común en PDF es Flate, de la misma familia de algoritmos que ZIP, que se usa para instrucciones de texto, estructura y muchas imágenes. No se pierde nada, pero el ahorro es limitado cuando los datos ya son compactos.

Los métodos con pérdida descartan detalle que se considera poco importante y que no se puede recuperar. En PDF eso casi siempre significa imágenes. Como la pérdida es permanente, ahí es donde calidad y tamaño se compensan, y por eso volver a comprimir un archivo ya comprimido suele empeorar el resultado.

Imágenes: resolución y calidad JPEG

Dos ajustes dominan el tamaño de una imagen. El primero es la resolución, el número de píxeles por pulgada de la página impresa. Las fotos a 300 DPI sirven para impresión de alta calidad, mientras que 150 DPI suele ser cómodo en pantalla y para impresión de oficina. Reducir la resolución baja el número de píxeles, y como este crece con el cuadrado de la resolución, reducir los DPI a la mitad deja los píxeles en una cuarta parte.

El segundo es la calidad JPEG. El JPEG divide la imagen en bloques pequeños y guarda versiones simplificadas de ellos. Una calidad menor simplifica más: el archivo es más pequeño y, a la larga, aparecen artefactos en forma de bloques alrededor de los bordes y en los degradados. Volver a codificar un JPEG que ya se guardó con poca calidad añade una segunda pérdida a la primera.

Esto es lo que hace Comprimir PDF con las imágenes JPEG incrustadas: las vuelve a codificar con menor resolución y calidad, según el ajuste elegido. El texto y los gráficos vectoriales no se recodifican, así que siguen nítidos.

Fuentes

Los PDF incrustan las fuentes que usan para que el documento se vea igual en todas partes. Muchos generadores incrustan solo los caracteres realmente utilizados, lo que se llama subconjunto, y así los datos de fuente pesan poco. En cambio, los archivos armados con varias fuentes de origen pueden acabar con varias copias, o versiones completas, de la misma familia.

Las fuentes son más delicadas que las imágenes. Quitar glifos que el texto aún necesita rompe la visualización, así que una compresión prudente deja las fuentes prácticamente como están y se apoya en la compresión de flujos en lugar de eliminar contenido. Es una de las razones por las que un PDF lleno de texto a veces se reduce tan poco.

Estructura: flujos de objetos y reescritura

Desde PDF 1.5, muchos objetos pequeños se pueden agrupar en un flujo de objetos y comprimirse juntos, y la propia tabla de referencias cruzadas puede guardarse de forma compacta. Los archivos antiguos o mal generados pueden repartir miles de objetos diminutos sin comprimir, lo que desperdicia espacio que una reescritura recupera.

Los archivos editados y guardados de forma incremental también pueden conservar versiones antiguas de objetos que ya no se usan. Reescribir el archivo escribe solo lo que el documento sigue necesitando. Esta limpieza estructural es sin pérdida, y por eso ayuda un poco incluso cuando no hay imágenes que reducir.

Por qué algunos archivos apenas se reducen

Un documento formado sobre todo por texto y gráficos vectoriales ya era pequeño, y su contenido ya está guardado de forma eficiente. Las imágenes exportadas con resolución y calidad modestas dejan poco margen. En esos casos el resultado honesto es un ahorro de unos pocos puntos porcentuales, o ninguno.

Comprimir PDF lo trata abiertamente: cuando el resultado no es más pequeño que el original, conserva el original y avisa de que el archivo ya estaba bien optimizado. Su modo opcional de convertir páginas en imágenes puede reducir más algunos escaneos con mucho texto, pero sustituye el texto por una imagen y el texto deja de ser seleccionable; solo se ofrece como elección explícita y con una advertencia.

Comprimir no es lo mismo que optimizar para la web

Optimizar PDF para web aplica otra idea. Linealiza el archivo, lo que se conoce como vista web rápida, y comprime su estructura para que la primera página pueda mostrarse antes de que se descargue todo el archivo. No recodifica las imágenes: mejora la rapidez con la que un PDF se abre en línea, no el tamaño de sus imágenes.

Para ver qué contiene tu propio archivo, ábrelo en Información del PDF. Muestra el número de páginas, el tamaño, las fuentes y el número de imágenes incrustadas, lo que indica cuáles de las ideas anteriores se aplicarán.