压缩一本扫描书：每个级别对60页做了什么

扫描件的文字质量，就是能不能看清

2026年4月，一个PDF论坛上有人提问：一本580页、33 MB的扫描书，怎样压缩到约25 MB，同时保住文字质量。扫描件上的文字其实是字母的图片，所以文字质量只意味着一件事：图片缩小之后，字还能不能看清。

2026年10月20日，我们在Mac上的Chrome中，用PDF压缩处理了一份60页、200 DPI的灰度扫描件。每一页都是一张约1714 × 2210像素、约770 KB的JPEG，工具显示文件大小为45 MB，也就是47.1百万字节。

压缩会改动扫描页上的什么

PDF压缩处理的是页面上的图片。如果某张图片比当前级别允许的更精细，就先重新采样，再按这个级别的质量重新保存为JPEG；只有新副本至少小十分之一，才会用它替换原图。通过文字识别（OCR）生成的隐藏文字层、链接和书签都原样复制。在“更多设置”里，“图片转为灰度”会去掉彩色扫描件的颜色；标题、作者等元数据也会清除，除非你关掉这一项。

有些图片在任何级别下都保持原样：每像素1位的黑白页面，不管用的是JBIG2、CCITT压缩还是没有压缩，以及JPEG 2000图片。整个过程都在浏览器标签页里完成，扫描件留在你的设备上。

同样的60页，三个级别

“质量最高”的分辨率上限是300 DPI，质量为85，所以我们200 DPI的页面保留了每一个像素，只是重新编码。单是这一步，文件就小了五分之一：36 MB，每页600 KB出头，用时约30秒。

“均衡”的分辨率上限是150 DPI，质量为65。页面变成1285 × 1657，像素只剩一半多一点，每页约175 KB。拖入文件约31秒后，得到10 MB的文件，小了77%。我们2026年10月20日用三页扫描件做的测试，降幅也一样：一份2.3 MB的扫描件，用均衡级别压缩后是539 KB。

“文件最小”把分辨率降到96 DPI，质量为45：页面变成823 × 1061，像素不到四分之一。文件变成3.9 MB，小了91%，每页不到70 KB，用时约17秒。

文字看起来怎么样

预览下方的“第1页局部特写，100 %”会显示同一块区域压缩前后的样子，大小和印在纸上时一样。第1页上的文字在150 DPI和96 DPI下都仍然可以阅读。

选择“文件最小”时，工具会提示“扫描件上的小字可能无法辨认”。所以要在局部特写里检查脚注、页码和表格，而不只是看标题。

文件这么大时，一旦生成一次结果超过三秒，换一个级别就不再自动重新生成：工具会显示“结果已过期”，直到你点击“更新结果”。

目标大小：从2 MB到25 MB上限

“目标大小”从一个数字出发。工具先测出了下限，显示“这个文件最小能压缩到：1.4 MB”，并锁定了更低的目标，所以1 MB不可选。选择2 MB时，搜索用了约两分钟，得到1.8 MB。“文件最小”给出的已经是3.9 MB，所以这个结果的分辨率只有72 DPI，低于所有固定级别：发送之前先看看局部特写。

搜索先在全分辨率下用质量65尝试，再试质量45，只有文件仍然超出目标时，才逐步降低分辨率。在文件第一次达标的那一档，它会把质量重新调高，直到文件落在目标以下十分之一以内，最多生成八次。所以像33 MB压到25 MB这样的轻度压缩，只要全分辨率加质量45能够达标，就会保留每一个像素。自定义目标以KB为单位输入；要留出余量，比如上限是25 MB时输入24000。

搜索期间，“目标大小”会把每一页解码后的图片都放在内存里；固定级别则一次只处理一张图片。所以处理很长的书时，固定级别占用的内存更少。如果浏览器内存不足，工具会说明情况，并提供PDF拆分。

什么时候需要文字识别，什么时候改用拆分

压缩永远不会让扫描件变得可以搜索。要搜索或复制文字，先用PDF文字识别处理全分辨率的扫描件：识别读取的，正是压缩会削减的那些像素。它在我们的服务器上运行：文件会上传，处理后即删除，结果约两小时内清除。一个文件最多500页、300 MB，所以580页的书要分成两部分处理：先用PDF拆分切开，分别识别，再用PDF合并合在一起，最后压缩。

如果页面本来就很精简，而接收方可以接受多个文件，那么拆分更合适。论坛上那本书每页约57 KB，比我们的扫描件用“文件最小”压缩后还小；如果那些是每像素1位的页面，每个级别得到的大小都差不多。PDF按大小拆分会按页码顺序把PDF切成不超过上限的几部分，比如现成的25 MB，而且不重新编码：本文提到的方法里，只有它能让每个像素保持扫描原样。

PDF压缩是PulsarKit上200多个免费工具之一，无需账号，无需订阅。它接受最大300 MB的文件；它不识别文字，也没有黑白模式。