企业官网建设流程全解析

经常遇到这样的场景：电脑里堆着一批 PDF，可能是扫描版合同、产品手册、论文资料，加起来好几个 GB。想发邮件、传网盘、做归档，第一个卡点就是体积。手动打开 PDF 一份份压缩，遇到几十上百个文件根本不可行；用在线工具，又要排队上传，还担心文件泄露。

本文围绕「批量压缩 PDF 文档」这个主题，整理了三套可以直接落地的方案：Ghostscript 命令行、qpdf 无损优化、Python 脚本自动化，并给出完整批量压缩脚本、常见问题排查思路和工程经验。无论你只是偶尔压几个文件，还是想把压缩流程固化到日常工作中，都能找到可以直接使用的办法。

1. 为什么 PDF 会很大，压缩前需要先知道什么

1.1 PDF 体积从哪里来

要压缩 PDF，首先要理解 PDF 的体积构成。一个 PDF 文件并不是一张“大图片”，而是一个容器，内部通常包含以下几类内容：

• 嵌入图片：扫描件、照片、截图，这是体积最大的来源，常见的是 JPEG、JPEG2000 和 FlateDecode 图片。
• 字体对象：页面使用的中文、英文、数字字体被嵌入到文件中，一套完整字体可能就有十几 MB。
• 内容流（Content Stream）：记录文字、图形、坐标绘制指令，一般会经过压缩，但不同工具生成的压缩率差异很大。
• 元数据与书签：XMP 元数据、书签、注释、文档属性等，数量多时也会占用空间。
• 重复对象：同一张图片、同一个字体被多次引用，但某些低质量生成工具会把它们存成多份副本。

其中，图片和字体几乎决定了 PDF 体积的大部分。如果你的 PDF 是扫描件，压缩的核心就是把图片重新采样、降低分辨率；如果是纯文字资料，重点是字体子集化和流压缩；如果是由绘图软件导出的矢量 PDF，那么压缩空间往往不大。

1.2 有损压缩和无损压缩的区别

PDF 压缩方法按对内容的影响可以分为两类：

第一类是有损压缩，最典型的是 Ghostscript 的 pdfwrite 引擎。它会将页面中的图片重新采样到较低分辨率，再用 JPEG 等格式重新编码，同时丢弃一些不重要的元数据。这种方式的优点是压缩率非常高，缺点是放大查看时图片会模糊，文字边缘可能发生轻微变化，如果目标只是屏幕阅读或邮件传输，影响不大。

第二类是无损压缩，代表是 qpdf 和 pikepdf。它们不会重新编码图片，而是优化 PDF 内部结构：把对象合并成对象流、对未压缩的数据流重新压缩、删除未被引用的垃圾对象、合并重复内容。这类方法优点是内容完全不变，缺点是体积下降有限，通常只能减少 10% 到 30%，无法替代图片重压缩。

实际项目中，两者经常组合使用：先用 qpdf 或 pikepdf 做无损整理，再用 Ghostscript 做有损压缩，或者反过来在压缩后检查文件质量。

1.3 压缩场景决定参数

压缩前先明确这份 PDF 是给谁看的、用在哪里，这决定了你能接受多少画质损失。

• 屏幕阅读、邮件附件、网盘存储：可以用 /screen 或 /ebook 档位，体积优先，画面够清晰就行。
• 打印使用：建议用 /printer 甚至 /prepress，保持较高图片分辨率和字体完整性。
• 正式归档、法律材料、需保留原始观感：尽量使用无损优化，或只做最小幅度的有损压缩，并保留原文件。
• 重复压缩：不建议同一份 PDF 反复用有损方式压缩，每压一次画质就下降一次，第二遍的压缩率也会明显变小。

很多新手一上来就追求最小体积，结果压缩后文字显示异常、图片模糊得没法看。更稳妥的做法是先备份原文件，再按用途选档位，最后抽查几页确认质量。

2. 工具选型与环境准备

2.1 常见方案对比

先看下面的对比表，再根据你的习惯选工具。

如果你处理的文件属于公司内部资料、客户合同等敏感材料，尽量不要上传到第三方在线工具。本地使用 Ghostscript 或 Python 脚本，既安全又能精确控制参数。

2.2 安装 Ghostscript

Ghostscript 是一套历史悠久的开源 PDF/PostScript 渲染与转换引擎，它的 pdfwrite 输出设备是目前最常用的 PDF 压缩方案之一。

• Windows：到 Ghostscript 官网下载对应 64 位安装包，安装后把C:\Program Files\gs\gs10.xx\bin加入系统 PATH。压缩时直接执行gswin64c.exe。
• Ubuntu/Debian：使用sudo apt-get install ghostscript安装。
• CentOS/RHEL：使用sudo yum install ghostscript安装。
• macOS：使用brew install ghostscript安装。

安装完成后，在终端执行gs --version，能输出版本号说明安装成功。Windows 下如果提示命令不存在，可以先用完整路径测试。注意，不同版本的压缩行为略有差异，本文示例以现在的常见稳定版为准，如果你的版本较旧，建议升级后再跑批量任务。

2.3 安装 qpdf

qpdf 是一个专门用于 PDF 结构转换与修复的开源工具，通过命令行即可完成无损优化。

• Ubuntu/Debian：sudo apt-get install qpdf
• macOS：brew install qpdf
• Windows：从 qpdf 官网 releases 页面下载安装包或二进制，加入 PATH。

安装后用qpdf --version验证。qpdf 的命令风格非常一致，绝大多数场景只需要一行命令，适合和 Shell 脚本、CI 流程配合。

2.4 准备 Python 环境

如果希望在项目中通过脚本完成压缩、生成报告、接入后续任务，建议使用 Python。本文示例以 Python 3.10 及以上版本为例，重点演示配置思路，低版本一般也能运行，但个别库接口需要微调。

pip install pymupdf pikepdf

这里有两个容易混淆的点：

• PyMuPDF 的安装包名是pymupdf，但导入名称通常是fitz。老项目里写import fitz，新版也可以写import pymupdf，具体以你安装的版本为准。
• pikepdf 是 qpdf 的 Python 封装，底层的无损压缩能力来自 qpdf C++ 库，安装后可以直接在 Python 中使用与 qpdf 命令等价的能力。

准备一个干净的目录，比如pdf-compressor/，把后续的脚本都放在里面。

3. 方案一：Ghostscript 命令行批量压缩

3.1 单文件压缩命令

先用最简单的命令压缩单个 PDF：

gs -sDEVICE=pdfwrite \ -dCompatibilityLevel=1.4 \ -dPDFSETTINGS=/ebook \ -dNOPAUSE -dQUIET -dBATCH \ -sOutputFile=output.pdf input.pdf

这段命令表示：用 pdfwrite 设备重新输出 PDF，输出兼容 PDF 1.4 版本，压缩设置使用 /ebook 档位，静默运行，输出到 output.pdf。

第一次运行建议不要直接处理原始文件，而是输出到一个新的文件，方便对比压缩前后体积和质量。

3.2 压缩参数说明

Ghostscript 的可用参数非常多，这里先掌握最核心的几个：

需要注意的是，-dPDFSETTINGS的值必须带斜杠，例如/ebook，不能写成ebook。dpi 数值会根据 Ghostscript 版本和具体上下文变化，不要指望两个版本的压缩效果完全一致，生产环境里最好锁定版本。

3.3 Linux/macOS 批量脚本

假设所有 PDF 都放在~/pdfs/目录下，我们要把压缩后的文件输出到~/pdfs/compressed/目录，脚本如下：

#!/bin/bash # 批量压缩 PDF：Linux / macOS 可用 set -e INPUT_DIR="$HOME/pdfs" OUTPUT_DIR="$INPUT_DIR/compressed" mkdir -p "$OUTPUT_DIR" cd "$INPUT_DIR" for f in *.pdf; do name="${f%.pdf}" echo "正在压缩: $f" gs -sDEVICE=pdfwrite \ -dCompatibilityLevel=1.4 \ -dPDFSETTINGS=/ebook \ -dNOPAUSE -dQUIET -dBATCH \ -sOutputFile="$OUTPUT_DIR/${name}.pdf" \ "$f" done echo "批量压缩完成，输出目录: $OUTPUT_DIR"

建议先用两三份文件测试，确认输出文件能正常打开、页数不变，再处理全部文件。脚本中的set -e表示出现错误就停止，避免批量任务在失败后继续处理造成混乱。

3.4 Windows 批量脚本

Windows 下推荐使用批处理脚本：

@echo off setlocal enabledelayedexpansion if not exist compressed mkdir compressed for %%f in (*.pdf) do ( echo 正在压缩: %%f gswin64c.exe -sDEVICE=pdfwrite ^ -dCompatibilityLevel=1.4 ^ -dPDFSETTINGS=/ebook ^ -dNOPAUSE -dQUIET -dBATCH ^ -sOutputFile=compressed\%%~nf.pdf ^ "%%f" ) echo 批量压缩完成

%%~nf表示取文件名主体部分。如果 Ghostscript 安装后没有加入 PATH，把gswin64c.exe换成完整路径，例如：

set GS_PATH=C:\Program Files\gs\gs10.xx\bin\gswin64c.exe

Windows 控制台对中文文件名有时会出现乱码，可以在脚本开头执行chcp 65001，或者干脆用后面的 Python 方案处理，中文兼容性更好。

3.5 自定义压缩档位

-dPDFSETTINGS只能选固定档位，如果我们希望更精细地控制图片分辨率，可以在命令行中追加这些参数：

gs -sDEVICE=pdfwrite \ -dCompatibilityLevel=1.4 \ -dPDFSETTINGS=/ebook \ -dColorImageDownsampleType=/Bicubic \ -dColorImageResolution=120 \ -dGrayImageResolution=120 \ -dMonoImageResolution=300 \ -dJPEGQ=70 \ -dNOPAUSE -dQUIET -dBATCH \ -sOutputFile=output.pdf input.pdf

这段命令把彩色和灰度图片分辨率降到 120 DPI，黑白图片保持 300 DPI，JPEG 质量设为 70。数值越低，体积越小，画质损失也越大。对于分辨率特别高的扫描件，这种自定义方式往往比固定档位更有效。

4. 方案二：qpdf 无损优化

4.1 qpdf 的设计思路

如果你不希望内容有任何肉眼可见的变化，用 Ghostscript 可能太“激进”。这时可以试试 qpdf。

qpdf 不会重新编码图片，它做的是结构级优化。正常情况下，PDF 中的对象会被压缩后再存放到文件里，但有些工具生成的 PDF 存在大量冗余对象、未压缩的数据流，或者把图片以效率很低的方式重复保存。qpdf 会把这些对象统一处理，该合并的合并，该压缩的压缩，从而让文件体积下降。

这种优化方式非常适合以下场景：

• PDF 由某些办公软件导出，结构混乱、体积虚高。
• 文件需要保持原始排版、图片像素和精度。
• 压缩前做一次“结构整理”，为后续处理打基础。

4.2 常用优化命令

最简单的无损优化命令：

qpdf --object-streams=generate \ --compress-streams=y \ --recompress-flate \ input.pdf output.pdf

三个参数的含义分别是：

• --object-streams=generate：将零散对象合并到对象流中，减少文件内部碎片。
• --compress-streams=y：对未压缩的数据流启用压缩。
• --recompress-flate：对已经用 Flate 算法压缩过的流重新压缩一次，去掉低效压缩的冗余数据。

实际使用时，不同版本的 qpdf 对新参数的支持略有差异，建议先执行qpdf --help确认参数名。如果版本不支持--recompress-flate，去掉这一项也能完成大部分优化。

4.3 批量处理与脚本

qpdf 配合 Shell 循环即可批量处理：

#!/bin/bash # qpdf 批量无损优化 INPUT_DIR="$HOME/pdfs" OUTPUT_DIR="$INPUT_DIR/qpdf_compressed" mkdir -p "$OUTPUT_DIR" for f in "$INPUT_DIR"/*.pdf; do name="$(basename "$f" .pdf)" qpdf --object-streams=generate \ --compress-streams=y \ --recompress-flate \ "$f" "$OUTPUT_DIR/${name}.pdf" done

qpdf 的优点是命令简单、不容易出错；缺点也很明显，如果 PDF 体积主要来自 JPEG 图片本身，无损优化的压缩率会比较有限。想进一步缩小图片主导的文件，最好还是用 Ghostscript 或 Python 脚本配合图片重压缩。

5. 方案三：Python 脚本压缩

5.1 PyMuPDF 轻量压缩

PyMuPDF 是功能很强的 PDF 解析库，它自带一些轻量压缩能力，适合清理垃圾对象、子集化字体、压缩数据流。

# 文件路径：pdf-compressor/pymupdf_compress.py import fitz def light_compress(in_path: str, out_path: str) -> None: doc = fitz.open(in_path) try: # 子集化字体，只保留实际用到的字符 doc.subset_fonts() # garbage=4 表示最彻底地清理未引用对象 # deflate=True 表示对数据流启用压缩 doc.save(out_path, garbage=4, deflate=True) finally: doc.close() if __name__ == "__main__": light_compress("input.pdf", "output.pdf")

这种做法的特点是安全、快速，特别适合处理以文字和矢量内容为主的 PDF。但它没有对图片进行重新编码，所以对扫描件、照片型 PDF 的压缩效果有限。如果你的场景是这类文件，更推荐调用 Ghostscript 处理图片，下面会给出完整脚本。

5.2 pikepdf 无损压缩

pikepdf 提供的是 qpdf 能力，在 Python 中操作起来更灵活。它的用法同样简单：

# 文件路径：pdf-compressor/pikepdf_compress.py import pikepdf def whitelist_compress(in_path: str, out_path: str) -> None: with pikepdf.open(in_path) as pdf: pdf.save( out_path, compress_streams=True, object_stream_mode=pikepdf.ObjectStreamMode.generate, ) if __name__ == "__main__": whitelist_compress("input.pdf", "output.pdf")

注意，pikepdf 的接口在不同版本之间有过调整，如果代码执行时提示某个参数不存在，参考当前安装版本的官方示例修改即可。它的优势是保留一个“原生”的 PDF 对象模型，在批量处理时还能顺便检查页数、元数据、加密状态等信息。

5.3 如何选择 Python 方案

简单总结一下：

• 只要清理垃圾对象和字体子集化，选择 PyMuPDF。
• 只要无损结构优化，选择 pikepdf。
• 需要真正压缩图片、把大扫描件变小，推荐在 Python 中调用 Ghostscript 子进程，这也是下一节实战脚本的核心方案。

三种方案并不冲突，完全可以在同一个流程里先无损优化，再做有损压缩。不过要注意，处理加密的 PDF 时必须确认你有合法授权，不要尝试绕过权限保护。

6. 实战：带日志和自动备份的批量压缩脚本

6.1 脚本需求与设计

本节我们把前面的知识整合成一个可以直接用到项目里的脚本。脚本需要满足：

• 扫描指定目录下所有 PDF 文件。
• 用 Ghostscript 批量压缩，输出到compressed子目录，不覆盖原文件。
• 对每个文件记录压缩前后体积和压缩率。
• 压缩失败时不中断整体任务，并删除失败产生的半成品输出。
• 如果输出文件已存在，自动跳过，方便断点重跑。

设计上尽量保持简单，核心逻辑放在compress_pdf和main两个函数中，后续加参数、加并行处理都很方便。

6.2 核心脚本代码

#!/usr/bin/env python3 # -*- coding: utf-8 -*- # 文件路径：pdf-compressor/pdf_compressor.py """ 批量压缩 PDF 文档：基于 Ghostscript 用法： python pdf_compressor.py <输入目录> [quality] quality 可选：screen / ebook / printer / prepress，默认 ebook """ import logging import subprocess import sys from pathlib import Path logging.basicConfig( level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s", datefmt="%Y-%m-%d %H:%M:%S", ) # Windows 下如果 gs 不在 PATH，改成完整路径 # 示例：r"C:\Program Files\gs\gs10.xx\bin\gswin64c.exe" GS_COMMAND = "gs" QUALITY_MAP = { "screen": "/screen", "ebook": "/ebook", "printer": "/printer", "prepress": "/prepress", } def compress_pdf(in_path: Path, out_path: Path, quality: str = "ebook") -> bool: """用 Ghostscript 压缩单个 PDF，成功返回 True，失败返回 False。""" cmd = [ GS_COMMAND, "-sDEVICE=pdfwrite", f"-dPDFSETTINGS={QUALITY_MAP.get(quality, '/ebook')}", "-dCompatibilityLevel=1.4", "-dDetectDuplicateImages=true", "-dEmbedAllFonts=true", "-dSubsetFonts=true", "-dNOPAUSE", "-dQUIET", "-dBATCH", f"-sOutputFile={out_path}", str(in_path), ] logging.info("开始压缩: %s", in_path.name) result = subprocess.run(cmd, capture_output=True, text=True) if result.returncode != 0: logging.error("压缩失败: %s，错误信息: %s", in_path.name, result.stderr[-500:]) return False return True def main() -> None: if len(sys.argv) < 2: print("用法: python pdf_compressor.py <输入目录> [quality]") sys.exit(1) src_dir = Path(sys.argv[1]).resolve() if not src_dir.is_dir(): print(f"目录不存在: {src_dir}") sys.exit(1) quality = sys.argv[2] if len(sys.argv) > 2 else "ebook" out_dir = src_dir / "compressed" out_dir.mkdir(exist_ok=True) for pdf_file in sorted(src_dir.glob("*.pdf")): out_file = out_dir / pdf_file.name if out_file.exists(): logging.info("已存在输出文件，跳过: %s", out_file.name) continue if compress_pdf(pdf_file, out_file, quality): before_mb = pdf_file.stat().st_size / 1024 / 1024 after_mb = out_file.stat().st_size / 1024 / 1024 ratio = (1 - after_mb / before_mb) * 100 if before_mb > 0 else 0 logging.info( "完成: %s -> %.2f MB / %.2f MB（压缩 %.1f%%）", pdf_file.name, before_mb, after_mb, ratio, ) else: # 失败时删除半成品，避免下次误判 out_file.unlink(missing_ok=True) if __name__ == "__main__": main()

这个脚本有几个细节值得注意：

• 输出到compressed子目录，而不是覆盖原文件，这样即使压缩出错，原始 PDF 也不会丢。
• subprocess.run捕获了标准错误，失败时只打印最后 500 个字符，方便定位原因。
• 已存在输出文件就跳过，可以实现断点重跑。
• Windows 下如果命令找不到，把GS_COMMAND改成完整路径。

6.3 运行与验证

把脚本保存后，在终端执行：

python pdf_compressor.py /path/to/pdf_dir ebook

预期的日志类似下面：

2025-01-12 10:00:01 [INFO] 开始压缩: 合同扫描版.pdf 2025-01-12 10:00:05 [INFO] 完成: 合同扫描版.pdf -> 25.4 MB / 8.1 MB（压缩 68.1%） 2025-01-12 10:00:06 [INFO] 开始压缩: 产品手册.pdf 2025-01-12 10:00:09 [INFO] 完成: 产品手册.pdf -> 12.2 MB / 5.6 MB（压缩 54.1%）

运行结束后，一定要抽查输出文件：

• 用 PDF 阅读器打开几份，确认页数、文字、图片没有明显异常。
• 对比压缩前后文件大小，确认是不是真的变小。
• 如果某些文件压缩率极低，说明它们可能是纯矢量文件，或者图片已经是高压缩格式，不需要强压。

6.4 扩展改进方向

这个脚本是一个最小可用版本，实际项目中可以根据需要扩展：

• 添加目录树递归扫描，使用src_dir.rglob("*.pdf")。
• 支持按文件大小过滤，只处理大于某个阈值的文件。
• 增加--resume参数，配合跳过逻辑实现断点续传。
• 使用ThreadPoolExecutor并行压缩，同时处理多份文件，但要注意 Ghostscript 本身比较吃 CPU，建议并发数控制在可用核心数之内。
• 输出 CSV 格式的压缩报告，方便后续统计。

扩展时保持“不覆盖原文件”和“保留日志”两个底线，其余都可以按需求灵活调整。

7. 常见问题与排查思路

7.1 问题速查表

7.2 典型问题详解

第一个高频问题：压缩后文件变大。很多人想不通，为什么明明执行了压缩，文件却更大了。原因通常是这个 PDF 已经是高度压缩过的，Ghostscript 重新输出时反而增加了冗余对象或者加密、嵌入元数据。遇到这种情况，先运行 qpdf 无损优化看看，如果还是大，就不要对其强行压缩。

第二个高频问题：压缩后文字变成方框。这通常是字体没有嵌入导致的，Ghostscript 处理时未保留原字体，换一台机器打开就会缺字。解决办法是显式加上字体参数，并避免使用过于激进的 PDFSETTINGS 档位。严谨的做法是压缩前记录原文件页数和字体列表，压缩后逐项对比。

第三个高频问题：批量脚本中途失败。排查时先看日志，如果 Ghostscript 报错，单独运行一份文件复现问题。如果单份文件可以，说明是批量脚本的路径或文件名处理有问题，重点检查特殊字符、空格和目录权限。

8. 最佳实践与工程建议

8.1 文件安全和备份

批量压缩涉及大量文件的修改，安全是第一优先级。无论脚本写得多好，都建议遵守下面几条纪律：

• 永远保留原始文件，压缩结果输出到新目录，不要直接覆盖输入文件。
• 批量处理前先做小规模测试，熟悉参数效果后再全量执行。
• 敏感材料使用本地工具处理，不要上传到在线网站。
• 处理带密码的 PDF 时，先确认你有合法授权，再用合法的密码方式打开，不要试图绕过加密保护。
• 备份可以简单到“复制一份到 backup 目录”，关键时候能救命。

8.2 压缩参数取舍

参数的取舍取决于你对画质和体积的优先级。下面是几条经过实践检验的经验：

• 日常传输优先使用/ebook，它不会太损耗文字清晰度，体积也相对合理。
• 如果是高清扫描件，自定义图片分辨率比固定档位更可控。例如彩色图片降到 100-150 DPI 已经能满足大多数阅读场景。
• 不要反复压缩。第一次压缩可能减少 60%，第二次往往只有 5% 到 10%，还会明显损失画质。
• 压缩后抽查关键页面，特别是扫描件的盖章、签字区域，确保法律意义上的完整性没有问题。
• 记录每次使用的参数和版本，保证同样的输入可以得到可复现的输出。

8.3 自动化与集成

批量压缩 PDF 很适合放进自动化流程。如果是在服务器上定期压缩文件，可以用 cron 或计划任务跑脚本；如果是在 CI 流水线里压缩交付物，可以把 Ghostscript 参数固化成变量，让过程清晰可控。

自动化流程中还要考虑日志和监控。最简单的方式是把脚本日志重定向到文件，例如：

python pdf_compressor.py ./docs ebook >> compress.log 2>&1

这样即使任务在深夜运行，第二天也能从日志里看到每个文件的压缩结果。日志里建议包含文件名、体积变化、耗时和错误信息，方便日后统计和历史追溯。

8.4 安全提醒

Ghostscript 历史上出现过由恶意 PDF 触发的问题，不建议使用太老的版本处理来源不明的文件。生产环境尽量使用官方最新稳定版，并且不要让脚本以过高权限运行。处理不可信来源的 PDF 时，最好在隔离的容器或沙箱中执行，避免潜在风险。

9. 总结与下一步

批量压缩 PDF 文档这个需求，核心思路就三条：图片多的文件用 Ghostscript 做有损重压缩；内容需要完整保留用 qpdf 做无损优化；需要自动化时用 Python 把这些能力串起来。文中给出的完整脚本可以直接运行，也可以按需扩展成带递归、并发、报告输出的工具。

下一步建议先拿几份有代表性的文件测试，记录不同档位下的压缩率和画质，找到适合自己业务的默认参数。之后再考虑把脚本接到实际工作流中，把这些经验固化下来。如果本文对你有帮助，可以收藏备用，下次遇到大量 PDF 需要压缩时直接照着操作就好。