Công cụ nén file PDF – Compress PDF

Công cụ nén file PDF là gì và giúp giảm dung lượng theo cách nào?

Công cụ nén file PDF là tiện ích tạo một bản PDF đầu ra từ tài liệu bạn cung cấp, sau đó so sánh dung lượng của bản mới với bản gốc. Nhu cầu thường gặp là làm tài liệu nhẹ hơn để gửi, nộp hoặc lưu trữ. Tuy nhiên, nén không đồng nghĩa với việc mọi file đều nhỏ đi, cũng không phải lời bảo đảm đưa tài liệu xuống một kích thước cố định.

Theo mã xử lý, công cụ có hai hướng tạo đầu ra. Chế độ nén qua ảnh dựng lại từng trang thành ảnh JPEG rồi đưa các ảnh vào một PDF mới. Chế độ tối ưu cấu trúc đọc và lưu lại tài liệu với cơ chế luồng đối tượng, không chủ động biến toàn bộ trang thành ảnh. Hai cách này khác nhau về những gì được giữ lại và những gì phải đánh đổi, không chỉ khác mức dung lượng.

Cần phân biệt giảm dung lượng lưu trữ với giảm số trang hay thu nhỏ khổ trang. Công cụ không cung cấp lựa chọn xóa trang, chọn khoảng trang hoặc chỉ nén một phần tài liệu. Trong chế độ qua ảnh, các trang được xử lý theo thứ tự và đặt vào khung trang tương ứng; mục tiêu là thay đổi cách biểu diễn nội dung, không phải cắt bớt tài liệu.

Kết quả hữu ích vì thế phải đáp ứng hai điều kiện: dung lượng phù hợp hơn và nội dung vẫn dùng được cho mục đích của bạn. Một file nhẹ nhưng chữ nhỏ khó đọc, không còn tìm kiếm được hoặc không đáp ứng yêu cầu nơi nhận chưa chắc là lựa chọn tốt. Hãy xem thông báo hoàn tất là dấu hiệu đã tạo được đầu ra, còn quyết định sử dụng cần dựa trên việc kiểm tra bản PDF thực tế.

Năm thuật ngữ cần hiểu khi nén PDF

DPI

DPI thường được hiểu là số điểm trên mỗi inch; trong ngữ cảnh này, nó quyết định mật độ pixel khi công cụ dựng ảnh theo kích thước trang. Công cụ có các mức 72, 100 và 150 DPI. Mức cao hơn tạo nhiều pixel hơn trên cùng khung trang, thường thuận lợi cho chữ nhỏ hoặc đường nét mảnh. Tuy nhiên, tăng DPI không tự khôi phục chi tiết vốn đã thiếu trong bản scan. Đây cũng không phải tham số chất lượng JPEG, dù giao diện ghép hai yếu tố thành từng mức đặt sẵn.

Chất lượng JPEG

Chất lượng JPEG là tham số dùng khi mã hóa ảnh theo định dạng nén có mất dữ liệu. Công cụ sử dụng các giá trị 0,70; 0,80 và 0,88 tương ứng với ba mức ảnh. Giá trị cao hơn thường ưu tiên giữ chi tiết hơn, nhưng kết quả còn phụ thuộc nội dung và cách trình duyệt mã hóa. Giá trị 0,80 không có nghĩa PDF sẽ còn 80% dung lượng, cũng không có nghĩa giảm được 80%. Không thể dùng riêng tham số này để tính số byte đầu ra.

Raster hóa

Raster hóa là chuyển nội dung trang, chẳng hạn chữ và hình vector, thành một lưới pixel. Đây là bản chất của chế độ nén qua ảnh: trang mới chứa hình ảnh của trang cũ thay vì tái tạo từng thành phần nội dung như ban đầu. Chữ vẫn có thể nhìn rõ bằng mắt nhưng không còn tồn tại theo cùng cấu trúc để chọn từng ký tự. Điểm dễ nhầm là cho rằng hình thức tương tự đồng nghĩa chức năng tương tự; khả năng phóng lớn, tìm kiếm hoặc trích xuất có thể khác.

Luồng đối tượng

Luồng đối tượng là cơ chế trong PDF cho phép đóng gói một số đối tượng vào các luồng có thể nén, giúp giảm phần chi phí lưu trữ cấu trúc. Có thể hình dung đây là thay đổi cách sắp xếp và lưu những thành phần bên trong tài liệu, thay vì chụp lại tất cả các trang. Chế độ nén nhẹ bật tùy chọn này khi lưu. Không nên hiểu nó là quy trình chắc chắn thu nhỏ từng ảnh, loại bỏ mọi dữ liệu thừa hoặc làm mọi PDF giảm mạnh.

Lớp văn bản

Lớp văn bản là dữ liệu chữ mà phần mềm đọc PDF có thể dùng để chọn, tìm kiếm hoặc sao chép, khác với ảnh chụp hình dáng các ký tự. Một bản scan có thể chỉ chứa ảnh, hoặc có thêm lớp chữ do OCR tạo ra. OCR là kỹ thuật nhận dạng chữ từ ảnh, nhưng công cụ này không có bước OCR được thể hiện trong mã. Khi nén qua ảnh, lớp chữ của nguồn không được tái tạo; nhìn thấy chữ trên trang không chứng minh rằng dữ liệu chữ vẫn còn.

Đầu vào cần chuẩn bị và cách đọc kết quả nén

File và tùy chọn đầu vào

Công cụ tiếp nhận một PDF mỗi lần. Nếu kéo thả nhiều file cùng lúc, luồng xử lý chỉ lấy file đầu tiên, không tạo hàng đợi nén hàng loạt. Bước nhận diện ban đầu chấp nhận tên kết thúc bằng đuôi PDF, không phân biệt chữ hoa hay thường, hoặc kiểu nội dung MIME là application/pdf. Đây mới là kiểm tra sơ bộ; một file mang đuôi PDF vẫn phải được thư viện đọc thành công mới có thể xử lý tiếp.

Sau khi đọc được tài liệu, giao diện hiển thị tên, dung lượng và số trang. Chế độ mặc định là nén qua ảnh, với mức vừa 100 DPI. Các lựa chọn chất lượng là những cặp cố định, không có ô nhập DPI hay chất lượng JPEG tùy ý:

• Thấp: 72 DPI, tham số JPEG 0,70.
• Vừa: 100 DPI, tham số JPEG 0,80.
• Cao: 150 DPI, tham số JPEG 0,88.

Các mức này chỉ áp dụng cho chế độ qua ảnh. Khi chọn tối ưu cấu trúc, lựa chọn chất lượng ảnh được ẩn vì luồng đó không sử dụng bước dựng lại từng trang theo DPI.

Thông tin đầu ra và đơn vị dung lượng

Đầu ra vẫn là một file PDF, kể cả khi nội dung trang đã trở thành ảnh JPEG. Công cụ không xuất một bộ ảnh riêng trong chế độ này. Bản tải xuống được tạo riêng; trong luồng xử lý của công cụ không có thao tác ghi đè lên file nguồn trên thiết bị.

Kết quả cho biết dung lượng trước và sau xử lý. Khi bản mới nhỏ hơn, giao diện bổ sung lượng dung lượng giảm cùng tỷ lệ tiết kiệm. Nhãn KB và MB được tính theo bội số 1024: 1024 byte tương ứng 1 KB theo cách hiển thị của công cụ, và 1024 × 1024 byte tương ứng 1 MB. Các số đã được làm tròn nên không thể luôn suy ngược chính xác số byte từ phần hiển thị.

Hãy đọc số dung lượng thay vì chỉ dựa vào thanh so sánh. Thanh của bản mới có độ rộng tối thiểu để vẫn nhìn thấy khi tỷ lệ rất nhỏ; phần vượt khung cũng có thể bị cắt khi đầu ra lớn hơn. Vì vậy, chiều dài thanh chỉ hỗ trợ quan sát, không thay thế kết quả bằng số.

Công cụ xử lý PDF và tính mức tiết kiệm như thế nào?

Dựng lại trang thành ảnh

Ở chế độ qua ảnh, công cụ đọc lần lượt các trang và dựng mỗi trang lên một vùng ảnh có nền trắng. Tỷ lệ dựng được tính bằng DPI / 72. Chiều rộng và chiều cao ảnh sau khi nhân tỷ lệ được làm tròn xuống đến pixel nguyên. Đây là cơ sở để hiểu vì sao thay đổi DPI làm thay đổi số pixel cần xử lý, chứ không chỉ thay đổi một nhãn chất lượng.

Sau khi dựng trang, công cụ mã hóa hình ảnh thành JPEG bằng tham số tương ứng với mức đã chọn. Mỗi JPEG được nhúng vào một trang của PDF mới, theo thứ tự ban đầu. Khung trang mới lấy từ khung dựng ở tỷ lệ 1; ảnh được đặt vừa khung đó. Do vậy, giảm số pixel không đồng nghĩa tự động giảm kích thước hiển thị của trang PDF.

Tiến độ được báo theo từng trang. Luồng này tạo lại phần thể hiện bằng hình ảnh, không có bước dựng lại lớp chữ hoặc nhận dạng chữ sau đó. Các thao tác hiển thị chi tiết bên trong phụ thuộc thư viện PDF bên ngoài; mã tích hợp cho biết cách gọi xử lý, nhưng chưa đủ để xác nhận độ tương đồng của mọi loại tài liệu.

Lưu tối ưu cấu trúc

Ở chế độ cấu trúc, tài liệu được đọc rồi lưu lại với tùy chọn sử dụng luồng đối tượng. Mã không thể hiện một quy trình riêng để giảm độ phân giải từng ảnh, tái mã hóa toàn bộ ảnh hoặc tìm và loại bỏ mọi thành phần được cho là không cần thiết.

Vì không có bước chủ động ảnh hóa toàn trang, đây là hướng phù hợp để cân nhắc khi bạn cần tiếp tục sử dụng dữ liệu chữ. Tuy nhiên, cách lưu này không đủ làm căn cứ cam kết mọi đặc tính PDF đều được bảo toàn tuyệt đối. Dung lượng giảm bao nhiêu còn tùy cấu trúc tài liệu nguồn và hành vi của thư viện.

Công thức và các nhánh thông báo

Với dung lượng gốc lớn hơn 0, công thức là: Tỷ lệ tiết kiệm = (1 − dung lượng sau / dung lượng trước) × 100%. Hai dung lượng phải dùng cùng đơn vị, tốt nhất là số byte thực tế. Nếu dung lượng trước không lớn hơn 0, hàm tính trong mã trả về 0.

Chỉ khi đầu ra nhỏ hơn bản gốc, công cụ mới thông báo lượng giảm và phần trăm tiết kiệm. Nếu hai bản bằng nhau hoặc bản mới lớn hơn, giao diện chuyển sang cảnh báo không nhỏ hơn bản gốc nhưng vẫn cung cấp bản tải xuống. Phần trăm được hiển thị với tối đa một chữ số thập phân; dung lượng KB có tối đa một chữ số, còn MB có tối đa hai chữ số. Công thức dùng kích thước thực, không dùng các số đã làm tròn trên màn hình.

Nên chọn nén qua ảnh hay nén giữ chữ?

So sánh theo nhu cầu sử dụng

Nên chọn chế độ theo công việc cần làm với tài liệu sau nén, thay vì chỉ theo tên “mạnh” hoặc “nhẹ”. Hai nhãn này mô tả hướng xử lý, không phải thứ hạng dung lượng đúng với mọi file.

Chọn chế độ dựa trên nội dung tài liệu

Với hợp đồng, báo cáo hoặc tài liệu cần tìm kiếm, sao chép và trích xuất chữ, hãy cân nhắc tối ưu cấu trúc trước. Cách này tránh bước ảnh hóa toàn trang, nhưng bạn vẫn cần kiểm tra bản mới, đặc biệt nếu tài liệu có chức năng ngoài việc đọc thông thường.

Với PDF scan hoặc nhiều ảnh, nén qua ảnh là hướng đáng thử vì nó dựng lại trang ở mật độ pixel và chất lượng JPEG được chọn. Dù vậy, ảnh nguồn có thể đã được nén hiệu quả; dựng lại không bảo đảm tiếp tục giảm dung lượng. Một tài liệu chủ yếu là chữ được xuất gọn cũng có thể lớn hơn sau khi biến thành ảnh.

Nếu mục tiêu thực sự là lấy từng trang dưới dạng ảnh độc lập, đó là nhu cầu khác với nén PDF. Bạn có thể cân nhắc công cụ chuyển PDF sang JPG cho hướng chuyển đổi định dạng này. Không nên hiểu PDF chứa ảnh bên trong là một bộ file JPG đã được xuất riêng.

Ứng dụng thực tế khi cần gửi, nộp hoặc lưu trữ PDF

Gửi tài liệu theo hạn mức

Khi cổng tiếp nhận hoặc email giới hạn dung lượng, trước hết cần xác định yêu cầu áp dụng cho từng file hay toàn bộ lần gửi. Công cụ này không có chế độ nhắm chính xác một số MB, nên bản đầu ra phải được đối chiếu lại với hạn mức thực tế. Việc giảm được một tỷ lệ đáng kể vẫn chưa bảo đảm file đủ nhỏ để nộp.

Ngoài kích thước, nơi nhận có thể yêu cầu tài liệu còn đọc rõ hoặc giữ chức năng nhất định. Đừng đánh đổi khả năng sử dụng chỉ để vượt qua bước tải lên. Nếu chỉ một phần hồ sơ cần gửi, việc lấy đúng phần cần thiết khác với nén toàn bộ tài liệu; bạn có thể cân nhắc công cụ tách file PDF cho nhu cầu tách riêng đó, thay vì chờ chức năng chọn trang từ công cụ nén.

Lưu bản scan và hồ sơ cần tra cứu

Với bản scan chủ yếu để đọc trên màn hình, hãy đánh giá chất lượng ở những chỗ khó nhất: chữ nhỏ, dấu tiếng Việt, số trong bảng và chú thích hình. Một trang tiêu đề lớn còn rõ chưa đại diện cho toàn bộ tài liệu. Nếu bản scan nguồn đã mờ, tăng DPI không sửa được những nét đã mất.

Với hồ sơ cần tra cứu lâu dài, khả năng tìm kiếm chữ có thể quan trọng hơn phần dung lượng tiết kiệm. Nên giữ bản gốc và kiểm tra chức năng tìm kiếm trên bản đầu ra trước khi chọn bản sử dụng chính. Tiêu chí nghiệm thu nên gồm: mở được file, có đủ trang theo kỳ vọng, nội dung quan trọng đọc rõ và dung lượng phù hợp với mục đích lưu hoặc gửi. Đây là kiểm tra theo nhu cầu, không chỉ là xem quá trình xử lý có báo thành công hay không.

Ví dụ đọc kết quả và hiểu đánh đổi chất lượng

Khi bản đầu ra nhỏ hơn

Giả định PDF gốc có dung lượng 1.048.576 byte, còn PDF đầu ra là 786.432 byte. Đây là các số giả định để minh họa công thức. Theo quy tắc hiển thị của công cụ, hai kích thước lần lượt là 1 MB và 768 KB.

Lượng giảm bằng 1.048.576 − 786.432 = 262.144 byte, tương ứng 256 KB. Tỷ lệ tiết kiệm là (1 − 786.432 / 1.048.576) × 100% = 25%. Giao diện sẽ đi vào nhánh giảm dung lượng và thông báo tiết kiệm 25%.

Trong tình huống này, bản mới có lợi về kích thước. Bạn có thể chọn dùng sau khi kiểm tra nội dung quan trọng. Nếu cần tìm kiếm chữ mà bản mới được tạo bằng chế độ qua ảnh, lợi ích dung lượng chưa chắc bù được phần chức năng bị mất.

Khi bản đầu ra lớn hơn

Giả định bản gốc là 524.288 byte và đầu ra là 655.360 byte, tương ứng 512 KB và 640 KB. Bản mới tăng 131.072 byte, tức 128 KB. Thay số vào công thức tỷ lệ sẽ cho −25%, nhưng công cụ không trình bày con số âm này như một khoản tiết kiệm.

Thay vào đó, giao diện báo file sau xử lý không nhỏ hơn bản gốc. Bạn vẫn có thể tải PDF mới, nhưng nếu không có nhu cầu khác thì giữ bản gốc thường hợp lý hơn. Có thể cân nhắc hướng xử lý còn lại, song không nên giả định rằng đổi chế độ chắc chắn sẽ làm nhỏ file. Chỉ các con số trên cũng chưa đủ xác định nguyên nhân tăng dung lượng hoặc kết luận tài liệu bị lỗi.

DPI thay đổi số pixel, không quyết định chính xác dung lượng

Giả định một trang có khung dựng ở tỷ lệ 1 là 432 × 648 theo đơn vị khung trang. Ở mức 100 DPI, tỷ lệ dựng là 100 / 72. Chiều rộng ảnh bằng phần nguyên làm tròn xuống của 432 × 100 / 72, tức 600 pixel; chiều cao tương tự là 900 pixel.

Ảnh JPEG 600 × 900 pixel được mã hóa với tham số chất lượng 0,80, rồi đặt vào trang PDF mới có khung 432 × 648. Những dữ kiện này xác định được kích thước ảnh, nhưng không xác định số byte JPEG hay PDF cuối. Nội dung trang và cách mã hóa vẫn ảnh hưởng kết quả. Nếu cần giữ dữ liệu chữ thay vì hình ảnh của chữ, quyết định phù hợp là cân nhắc chế độ cấu trúc, không chỉ tăng DPI.

Giới hạn cần biết trước khi dùng bản PDF đã nén

Khả năng tương thích và tài liệu đặc biệt

Không có đủ căn cứ để khẳng định bản đầu ra giữ nguyên tuyệt đối chữ ký số, biểu mẫu, liên kết, chú thích hoặc mọi thành phần đặc biệt. Với hồ sơ quan trọng, hãy kiểm tra riêng chức năng đang sử dụng: trang nhìn đúng không đồng nghĩa chữ ký còn được xác nhận hợp lệ hay biểu mẫu còn hoạt động như trước.

Giao diện không có ô nhập mật khẩu mở PDF. Việc mã yêu cầu thư viện bỏ qua trạng thái mã hóa không chứng minh công cụ giải mã được nội dung hoặc mở được mọi PDF có mật khẩu. Nếu tài liệu không đọc được, không nên xem đây là công cụ gỡ khóa.

Hiệu năng, lỗi xử lý và dữ liệu

Không thấy một trần dung lượng hay số trang cụ thể trong mã không có nghĩa khả năng xử lý là không giới hạn. PDF nhiều trang, khung trang lớn hoặc nội dung phức tạp có thể cần nhiều bộ nhớ và thời gian. Chưa có dữ liệu kiểm thử để đưa ra mức tối đa đáng tin cậy cho từng thiết bị hoặc trình duyệt.

Thông báo thất bại có thể liên quan tài liệu, thư viện hoặc môi trường thực thi; không đủ để chẩn đoán chắc chắn file hỏng. Tương tự, chưa có cơ sở công bố tỷ lệ nén trung bình hay chất lượng đầu ra ổn định trên mọi loại PDF.

Về dữ liệu, luồng mã sử dụng các API trình duyệt để đọc file và tạo bản tải xuống, nhưng cũng tải thư viện, thành phần xử lý nền và tài nguyên phông chữ từ bên ngoài. Nội dung đầy đủ của các phụ thuộc và toàn bộ hoạt động trang chưa được xác minh. Vì thế, không thể lấy lời mô tả trên giao diện làm bảo đảm tuyệt đối rằng dữ liệu không bao giờ được truyền hoặc lưu. Với hồ sơ nhạy cảm, hãy tuân thủ quy định nội bộ và luôn giữ bản gốc.

Câu hỏi thường gặp

Vì sao PDF sau nén lại bằng hoặc lớn hơn bản gốc?

Vì quá trình tạo lại PDF không bảo đảm cách lưu mới luôn gọn hơn cách lưu ban đầu. Tài liệu có thể đã được nén hiệu quả, hoặc việc dựng chữ thành ảnh tạo thêm dữ liệu so với bản nguồn. Tuy nhiên, chỉ nhìn dung lượng không đủ xác định nguyên nhân. Khi gặp trường hợp này, hãy so sánh số kích thước, kiểm tra chế độ đã dùng và cân nhắc giữ bản gốc. Thông báo không nhỏ hơn khác với thông báo xử lý thất bại: ở đây công cụ vẫn tạo được đầu ra.

Vì sao chữ vẫn nhìn rõ nhưng không chọn hoặc sao chép được?

Nguyên nhân có thể là bạn đã dùng chế độ qua ảnh: công cụ giữ hình ảnh nhìn thấy của chữ trong JPEG, không tái tạo dữ liệu ký tự từ tài liệu nguồn. Công cụ cũng không có bước OCR để nhận dạng chữ và thêm lớp văn bản trở lại. Thay đổi đuôi file không khôi phục được dữ liệu đó. Nếu nhu cầu chính là chọn, sao chép hoặc tìm kiếm nội dung, hãy giữ nguồn và cân nhắc chế độ cấu trúc, sau đó kiểm tra chức năng trên bản mới.

Nên chọn 72, 100 hay 150 DPI cho tài liệu của tôi?

Không có một mức phù hợp tuyệt đối cho mọi tài liệu. Mức 100 DPI là mặc định và có thể dùng làm điểm bắt đầu để đánh giá. Mức 72 DPI đáng cân nhắc khi ưu tiên file nhẹ, còn 150 DPI khi cần thêm chi tiết, nhưng không mức nào bảo đảm dung lượng cụ thể. Hãy kiểm tra chữ nhỏ, dấu tiếng Việt và đường bảng ở cách xem dự kiến. Lưu ý mỗi mức còn đổi cả chất lượng JPEG, nên khác biệt đầu ra không chỉ đến từ DPI.

Công cụ có nén được PDF yêu cầu mật khẩu mở không?

Không thể khẳng định có. Giao diện không cung cấp nơi nhập mật khẩu, và tùy chọn liên quan trạng thái mã hóa trong lời gọi thư viện không phải bằng chứng về khả năng giải mã. Việc xử lý từng loại PDF được bảo vệ còn chưa được xác minh. Nếu bạn có quyền truy cập tài liệu, hãy dùng một bản mà bạn được phép mở và xử lý theo quy định của chủ sở hữu. Không nên dựa vào công cụ này như một phương thức bỏ qua mật khẩu.

Có thể đặt mục tiêu để PDF còn dưới một số MB cụ thể không?

Không, giao diện không có trường nhập dung lượng đích hay cơ chế cam kết đưa file xuống một số MB nhất định. Bạn chỉ lựa chọn hướng xử lý và, với chế độ qua ảnh, một trong ba mức chất lượng. Sau khi có kết quả, cần đối chiếu kích thước thực với yêu cầu nơi nhận. Nếu còn vượt hạn mức, việc thử mức khác phải đi kèm kiểm tra độ rõ và chức năng; không nên tiếp tục đánh đổi chất lượng mà bỏ qua khả năng sử dụng tài liệu.

PDF nhiều trang xử lý chậm có đồng nghĩa file bị hỏng không?

Không. Chế độ qua ảnh dựng từng trang, mã hóa JPEG rồi đưa vào PDF mới, nên số trang và độ phức tạp có thể làm thời gian tăng. Tài nguyên thiết bị, trình duyệt và khả năng tải các thành phần phụ thuộc cũng ảnh hưởng quá trình. Chưa có số liệu để quy định một thời gian chờ chuẩn cho mọi trường hợp. Nếu xảy ra lỗi, cần xem đó là dấu hiệu không hoàn tất xử lý trong môi trường hiện tại, chứ không phải kết luận chắc chắn rằng nội dung nguồn đã hỏng.

Có thể khẳng định file không bao giờ được truyền ra ngoài không?

Không thể đưa ra khẳng định tuyệt đối từ dữ liệu hiện có. Đoạn xử lý cho thấy việc đọc file và tạo PDF bằng API trình duyệt, nhưng trang còn sử dụng các phụ thuộc bên ngoài chưa được công bố đầy đủ để đánh giá. Toàn bộ hoạt động mạng, lưu trữ và thu thập dữ liệu của trang cũng chưa được xác minh. Với tài liệu có thông tin cá nhân, bí mật kinh doanh hoặc yêu cầu kiểm soát riêng, hãy áp dụng chính sách bảo vệ dữ liệu của tổ chức trước khi sử dụng.