深入 Python-PyMuPDF:Smart 模式如何实现 PDF 图像的“无损”瘦身?【PDF压缩工具03】

前面的文章里我们说过，Smart 模式只压缩 PDF 里的图像流，文字和矢量图形保持不动，所以压缩完文字依然可选可复制。但具体是怎么做到的，大家都好奇，今天我们就拆开来讲。

先理解 PDF 的结构

在说具体原理之前，先简单科普一下 PDF 的构成。

一份 PDF 里面其实包含了多种内容：文字（以字体指令形式存在）、矢量图形（线条、矩形、路径）、图像流（照片、扫描件这类位图）。Smart 模式做的事情，就是精准找到所有的图像流，然后替换成体积更小的版本。

怎么找？PyMuPDF 提供了一个page.get_images(full=True)方法，可以拿到当前页面的所有嵌入图像信息，包括图像的唯一标识符（xref）。拿到 xref 之后，就可以提取图像、解码、重新压缩。

核心流程四步走

第一步：提取图像。

用doc.extract_image(xref)把图像从 PDF 里拿出来，得到原始字节数据、宽度、高度。

第二步：计算目标 DPI。

这是 Smart 模式最关键的一个细节。PDF 里嵌入的图像有自己的原始分辨率，如果直接按配置 DPI 压缩，可能会把本来就很小的一个图标放大，反而让文件变大。

代码里用了一个很巧妙的判断：

original_dpi = (img_width / rect.width) * 72target_dpi = min(original_dpi, config.dpi)scale = target_dpi / original_dpi

也就是说，只会压缩，不会放大。如果原始 DPI 比目标 DPI 低，就保持原样不动；只有当原始 DPI 高于目标 DPI 时，才会按比例缩小。

第三步：用 Pillow 压缩。

用 Pillow 打开图像，按目标分辨率做一次 LANCZOS 重采样，然后以 JPEG 格式保存。JPEG 支持quality参数和optimize=True，后者会自动做一次内部优化，进一步减少体。

pil_img.save(out_buf, format='JPEG', quality=config.quality, optimize=True)

第四步：判断是否真的需要替换。

这里有一个小细节——只有当新图像比旧图像更小时，才会真正替换回 PDF。这是"防呆"逻辑：如果压缩完了反而更大，就不做替换，避免无用操。

iflen(new_img_bytes) < len(img_bytes) or config.quality < 95:    doc.update_object(xref, new_img_bytes)    doc.update_image(xref, {'width': pil_img.width, 'height': pil_img.height})

为什么不用矢量图像做压缩？

有人可能会问：PDF 里的矢量图形和文字为什么不动？

答案很简单——它们本身的体积就已经非常小了。PDF 的矢量指令是经过编码的字节流，占用空间通常只有几十到几百 KB，真正占体积的是嵌入的图像，特别是高分辨率的扫描图像和照片。

对矢量内容做压缩收益极低，反而容易破坏 PDF 的渲染精度，所以 Smart 模式选择了只动图像这一个策略，精准高效。

支持灰度图和彩色图

Smart 模式还支持把彩色图像转成灰度图，在config.grayscale=True时触发。转换后用'L'模式重新保存，JPEG 灰度图比彩色图体积通常小 2/3 左右，对颜色不敏感的场景特别有用，比如扫描的文稿、图纸。

总结

Smart 模式的核心逻辑：

1. 遍历每一页，提取所有嵌入图像
2. 计算原始 DPI，只压缩不放大
3. Pillow 重新编码为 JPEG，控制质量和尺寸
4. 比较新旧大小，只在变小的时候替换

整个过程保留了 PDF 的文字、字体、矢量图形，最终得到一个体积更小、但内容完全一致的 PDF 文件。

下一期我们来看 Raster 模式和 Split 模式，这两个是 Smart 模式解决不了时的"兜底方案"。

喜欢小居的文章，点赞、关注、转发。点个“在看”支持一下！ 👇

有问题评论区或后台找小居！

PDF压缩工具（软件桌面版）已放入合集《桌面端PDF工具箱》。