Python 压缩 PDF,别只盯着“压缩成功”

我第一次拿 Python 处理时，脚本运行正常，输出文件也生成了。再看文件大小：37.6MB。

这类结果最烦。代码没报错，PDF 也能打开，但基本等于没压。

PDF 不是普通文本文件，里面可能同时塞着文字、字体、矢量图、JPEG 图片和扫描页。单纯重新保存一遍，通常只能清掉少量冗余对象。真正占空间的，十有八九还是图片。

我现在处理这类需求，一般让 Python 负责参数校验、批量执行和结果统计，真正的重新采样交给 Ghostscript。这个组合不算花哨，但稳定。

先安装 Ghostscript。

Linux 可以直接执行：

sudo apt install ghostscript

macOS：

brew install ghostscript

Windows 安装后，确认命令行能找到 gswin64c.exe。这一步别跳，很多所谓的 Python 压缩失败，最后只是系统环境变量没配。

先写一个能实际放进脚本目录里用的版本：

from __future__ import annotations

import shutil
import subprocess
from pathlib import Path


deffind_ghostscript() -> str:
    candidates = ("gs", "gswin64c", "gswin32c")

for command in candidates:
        executable = shutil.which(command)
if executable:
return executable

raise RuntimeError(
"未找到 Ghostscript，请先安装并确认 gs 命令已加入环境变量"
    )


defreadable_size(byte_count: int) -> str:
    value = float(byte_count)

for unit in ("B", "KB", "MB", "GB"):
if value < 1024or unit == "GB":
returnf"{value:.2f}{unit}"
        value /= 1024

returnf"{byte_count}B"


defcompress_pdf(
    source_file: str | Path,
    target_file: str | Path,
    quality: str = "ebook",
) -> None:
    source = Path(source_file).expanduser().resolve()
    target = Path(target_file).expanduser().resolve()

ifnot source.is_file():
raise FileNotFoundError(f"输入文件不存在：{source}")

if source.suffix.lower() != ".pdf":
raise ValueError(f"只处理 PDF 文件：{source.name}")

if source == target:
raise ValueError("输出文件不能覆盖原文件，先保留一份退路")

    presets = {
"screen": "/screen",
"ebook": "/ebook",
"printer": "/printer",
"prepress": "/prepress",
    }

if quality notin presets:
raise ValueError(f"不支持的压缩等级：{quality}")

    target.parent.mkdir(parents=True, exist_ok=True)
    gs = find_ghostscript()

    command = [
        gs,
"-sDEVICE=pdfwrite",
"-dCompatibilityLevel=1.4",
f"-dPDFSETTINGS={presets[quality]}",
"-dNOPAUSE",
"-dQUIET",
"-dBATCH",
"-dDetectDuplicateImages=true",
"-dCompressFonts=true",
f"-sOutputFile={target}",
        str(source),
    ]

    result = subprocess.run(
        command,
        capture_output=True,
        text=True,
        timeout=300,
    )

if result.returncode != 0:
        target.unlink(missing_ok=True)
        error = result.stderr.strip() or"Ghostscript 未返回错误详情"
raise RuntimeError(f"PDF 压缩失败：{error}")

ifnot target.is_file() or target.stat().st_size == 0:
raise RuntimeError("命令执行结束，但输出文件为空")

    before = source.stat().st_size
    after = target.stat().st_size
    reduced = (1 - after / before) * 100

    print(f"原文件：{readable_size(before)}")
    print(f"新文件：{readable_size(after)}")
    print(f"缩小比例：{reduced:.1f}%")

if after >= before:
        print("压缩后没有变小，这个 PDF 可能已经做过图片压缩")


if __name__ == "__main__":
    compress_pdf(
        source_file="合同扫描件.pdf",
        target_file="合同扫描件_压缩版.pdf",
        quality="ebook",
    )

这里我默认用 ebook，不是因为它名字好听，而是它在文件大小和可读性之间相对稳妥。

几个等级大概这样选：

screen    文件最小，图片损失明显，适合临时预览
ebook     日常发送、上传系统，通常先试这个
printer   更偏向打印质量，压缩幅度会小一些
prepress  保留质量优先，不适合单纯追求小文件

我不建议一上来就用 screen。身份证、合同小字、发票编号这些内容，一旦压糊了，文件再小也没用。压缩不是只看最后那行“缩小 80%”，至少要抽查首页、印章页和文字最密集的页面。

批量处理也不用重新写一套逻辑：

from pathlib import Path

source_dir = Path("待压缩")
target_dir = Path("压缩结果")

for pdf_file in source_dir.glob("*.pdf"):
    output_file = target_dir / f"{pdf_file.stem}_small.pdf"

try:
        compress_pdf(pdf_file, output_file, quality="ebook")
except Exception as exc:
        print(f"[失败] {pdf_file.name}：{exc}")
else:
        print(f"[完成] {pdf_file.name}")

实际跑批量任务时，我还会盯两个地方。

一个是超时。异常 PDF、超大扫描件或者损坏文件，可能长时间卡住，所以代码里加了 timeout=300。五分钟还没处理完，先停下来查文件，别让一个坏文件堵住整个任务。

另一个是压缩后的体积。文字型 PDF 本身就不大，压缩比例可能很低；扫描版 PDF 每页都是大图，通常才有明显空间。要是输出文件反而更大，不要急着继续调参数，很可能原文件已经优化过，再编码一次只是在折腾。

还有个坑容易漏：加密 PDF。

碰到设置了权限或密码的文件，Ghostscript 可能直接失败。脚本里不要把异常吞掉，更不要生成一个空文件还当成功。保留错误日志和原文件，比强行输出重要。

PDF 压缩这件事，Python 代码并不难。难的是别把“文件生成了”当成任务完成。

我一般只认三个结果：文件能打开，关键页面看得清，体积确实变小。缺一个，这次压缩都不算完。