企业官网建设流程全解析

在日常办公、资料归档、邮件附件上传以及网盘同步这些场景里，PDF 体积过大是很多人都会遇到的一个痛点。一份文件动辄几十兆，不仅占空间，上传下载也慢；如果手里积压了成百上千个 PDF，一个一个用编辑器另存去压缩，工作量会非常可怕。本文以“批量压缩 PDF”为目标，从压缩原理讲起，给出命令行方案和 Python 脚本方案，并提供完整可复制的代码、运行步骤、常见报错排查和工程建议，适合有一定办公自动化需求的学生、HR、财务、档案管理员和开发者阅读。

先提醒一点：批量压缩和“批量降低图片画质”不是一回事。如果你只是粗暴地把 PDF 的每一页转成低分辨率图片再重新生成 PDF，页面上原本可选的文本会丢失，打印效果也会明显变差。正确的做法应该是有选择地去重采样图片、清理无用对象、压缩内容流，并保留文字层和基本结构。下面，我们围绕这套思路逐步展开。

1. 背景与核心概念

1.1 PDF 体积为什么越来越大

PDF 并不是一种“越存越小”的格式。很多 PDF 在生成时为了兼容性，会嵌入整套字体；通过 Word、WPS 或设计软件导出的 PDF 往往还保留了大量编辑信息；扫描仪生成的 PDF 更是直接把每一页保存为高分辨率图片。这些因素叠加在一起，文件体积就会快速膨胀。

从根本上说，PDF 是一个容器，它内部至少包含四类东西：

• 文本内容和字体：文本本身不大，但嵌入的完整字体文件可能有好几兆。
• 图片对象：扫描件、截图、商品图、流程图，这些是 PDF 体积的大头。
• 内容流：描述页面布局、绘制指令的代码，通常是可压缩的。
• 元数据和辅助对象：书签、缩略图、属性信息、冗余对象。

如果你的 PDF 是从 CAD、PS 或高分辨率扫描设备导出的，图片部分占比通常超过 90%。这时候，压缩 PDF 的核心问题，就变成了在“视觉可接受”和“文件体积”之间做平衡。

1.2 批量压缩的典型应用场景

批量压缩绝不是“把单个文件多处理几次”那么简单。常见的应用场景包括：

1. 电子档案归档：大批量扫描件转存的 PDF 需要长期保存，体积过大会浪费存储空间。
2. 邮件附件发送：多数邮箱附件限制在 20MB 到 50MB 之间，超大 PDF 需要降体积后才能发送。
3. 网盘同步与知识库搭建：压缩后能显著减少上传时间，也便于检索和分享。
4. 电子书整理：从网上下载或自行排版的 PDF 书刊，压缩后可存入阅读器，节省设备空间。
5. 业务流程处理：比如人力资源部门批量处理简历、合同，财务部门批量归档电子发票。

这些场景里，如果只靠人工打开软件另存为，效率极低且容易漏处理。批量压缩的价值在于：一次写脚本，永久复用。

1.3 压缩不是简单降低分辨率

很多新手会对“压缩 PDF”产生一个误解：把每页导出成图片，缩小后再拼回 PDF。这种思路只适合打印质量要求极高且不需要文本层的场景。绝大多数办公场景下，我们要的是：

• 尽量保留文字和矢量信息的可编辑性；
• 尽量保留页面的排版效果；
• 对内嵌图片做适度重采样；
• 只删除冗余对象和无效元数据。

所以，批量压缩应该理解为“基于 PDF 内部结构优化”，而不是“把 PDF 当图片重绘”。

2. 环境准备与版本说明

PDF 压缩可以用不同技术栈实现：Java 、Python、命令行工具都可以。本文选择“Python + Ghostscript”的组合，原因是它跨平台、安装简单、脚本适合批量化，且 Ghostscript 的 PDF 优化引擎足够成熟，压缩效果明显。

2.1 推荐技术路线

推荐路线如下：

• 操作系统：Windows 10/11、macOS、Linux 均可，本文示例以通用命令说明为主。
• 脚本语言：Python 3.8 及以上版本，低版本请留意pathlib和subprocess的兼容性。
• 压缩引擎：Ghostscript，这是开源的 PostScript 和 PDF 解释器，内置pdfwrite输出设备，专门用于 PDF 重建和优化。
• Python 库：pikepdf和PyMuPDF作为备选方案，用于兼容加密 PDF、清理无用对象等场景。

版本需要根据你的实际环境调整，本文重点是配置和代码思路。比如你使用的是 Python 3.12 或 3.13，依赖安装方式不变，但个别库的底层版本可能影响运行结果，建议先用小样本测试。

2.2 安装 Ghostscript

Ghostscript 的安装方式按系统区分：

• Windows：从官方渠道下载安装包（如 Ghostscript 的 Windows 安装程序），安装时可以选择“添加到系统 PATH”。如果没勾选，安装后在命令行中找不到gswin64c，脚本就需要写绝对路径。
• macOS：执行brew install ghostscript，安装后命令名一般是gs。
• Linux（Debian/Ubuntu）：执行sudo apt-get install ghostscript；CentOS/RHEL 上可以使用sudo yum install ghostscript。

安装完成后，在终端执行：

gs --version

如果能输出版本号，说明安装成功。Windows 用户如果遇到“不是内部或外部命令”，说明 Ghostscript 没有加入 PATH，后面会单独说解决方法。

2.3 安装 Python 依赖

Python 侧建议新建一个虚拟环境，避免依赖冲突：

python -m venv pdf_compress_env

激活环境后安装依赖：

# Windows pdf_compress_env\Scripts\activate # macOS / Linux source pdf_compress_env/bin/activate

然后安装库：

pip install pikepdf pymupdf

如果网络较慢，可以加国内镜像源：

pip install pikepdf pymupdf -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，可以进入 Python 交互环境做一个导入验证：

import pikepdf import fitz print(pikepdf.__version__) print(fitz.__doc__)

能正常打印版本信息，说明环境就绪。

3. 批量压缩的核心原理

3.1 PDF 里的体积来源分析

要写出真正有效的压缩脚本，首先要大概知道 PDF 的体积来源。文本 PDF 和扫描件 PDF 的压缩策略完全不同：

• 文本型 PDF（Word 导出、LaTeX 生成的论文、公众号排版导出的文档）：体积主要来自嵌入字体和内容流，压缩重点在于字体子集化和流压缩，Ghostscript 能很好处理。
• 图片型 PDF（扫描仪生成、PS 导出、产品图册）：体积主要来自内嵌图片，压缩重点在于图片重采样。如果图片是 300 DPI 的彩色扫描件，改成 150 DPI 往往体积能减少一半以上。
• 混合型 PDF：既有大量文字，又有插图、照片、封面图，需要综合处理。

如果你不确定 PDF 的体积类型，可以先开 Python 看一眼页面里的图片数量、颜色空间和分辨率，再决定压缩参数。

3.2 三种主流压缩手段

常见的批量压缩手段可以归纳为三类：

第一类：内容流压缩。PDF 内部的页面内容流可以使用 Flate 等算法压缩，compress_streams就属于这类。它适合对已经解压过的 PDF、或是由某些工具生成时未开启压缩的 PDF。这类方法不改变画面，无损程度最高，但压缩率有限。

第二类：图片重采样。把高分辨率的位图降到合理分辨率，比如从 300 DPI 降到 150 DPI，并统一图片颜色空间。这是大幅减小体积的最有效手段，但会造成一定的细节损失。

第三类：移除冗余对象。PDF 重新生成时，可以丢弃未引用的对象、过时的元数据、重复字体。garbage、clean参数就是做这一类清理。

一份成熟的压缩方案通常三管齐下。Ghostscript 就是通过组合这些策略，把原始 PDF 重建为一个更精简的新 PDF。

3.3 主流工具横向对比

下面这个表格能帮你理解三种常用工具各自的定位：

在实际工程中，推荐把 Ghostscript 作为主压缩引擎，把 pikepdf 作为“打不过 Ghostscript 时”的兜底工具，比如遇到损坏 PDF 或加密 PDF，可以先用 pikepdf 尝试修复和重建。

4. 完整实战：命令行批量压缩 PDF

命令行方案适合临时处理、服务器环境或不需要写完整 Python 程序的场景。它的核心是 Ghostscript。

4.1 使用 Ghostscript 压缩单个 PDF

先看单个文件的压缩命令。假设输入文件是input.pdf，输出文件是output.pdf：

gs \ -sDEVICE=pdfwrite \ -dCompatibilityLevel=1.7 \ -dPDFSETTINGS=/ebook \ -dNOPAUSE \ -dQUIET \ -dBATCH \ -sOutputFile=output.pdf \ input.pdf

参数含义如下：

• -sDEVICE=pdfwrite：告诉 Ghostscript 使用 PDF 输出设备，目标是生成一个新的 PDF 文件。
• -dCompatibilityLevel=1.7：输出的 PDF 兼容 1.7 版本，绝大多数阅读器都支持。
• -dPDFSETTINGS=/ebook：选用“电子书”优化级别，适合普通办公文档。
• -dNOPAUSE、-dBATCH：不暂停、不交互，适合批量处理。
• -dQUIET：减少不必要的输出，日志更干净。

执行完成后，对比input.pdf和output.pdf的大小，就能看出压缩效果。

4.2 用批处理脚本压缩文件夹

如果只有几十个 PDF，可以用终端循环。Windows CMD 里可以写：

@echo off set INPUT_DIR=D:\pdf_input set OUTPUT_DIR=D:\pdf_output mkdir %OUTPUT_DIR% 2>nul for %%f in (%INPUT_DIR%\*.pdf) do ( gswin64c -sDEVICE=pdfwrite -dPDFSETTINGS=/ebook -dNOPAUSE -dBATCH -dQUIET -sOutputFile=%OUTPUT_DIR%\%%~nf.pdf %%f ) echo batch compress done

macOS 或 Linux 的 Bash 脚本可以写：

#!/bin/bash input_dir="pdf_input" output_dir="pdf_output" mkdir -p "$output_dir" for pdf in "$input_dir"/*.pdf; do name=$(basename "$pdf") gs -sDEVICE=pdfwrite -dPDFSETTINGS=/ebook -dNOPAUSE -dBATCH -dQUIET \ -sOutputFile="$output_dir/$name" "$pdf" done echo "batch compress done"

命令行方案的优点是简单直接，缺点是：

• 无法自动跳过已经压缩过的文件；
• 无法自动记录每个文件的压缩率；
• 无法处理文件名带空格或者路径特殊符号时产生的小问题；
• 用户对整个流程的透明度不高。

所以当你打算把压缩归档变成一个稳健的生产工具时，应该转用 Python 脚本。

5. 完整实战：Python 批量压缩脚本

这一章是文章的核心。我会给出一个可以直接复制运行的 Python 脚本，它不仅能批量压缩 PDF，还会输出压缩日志，跳过不需要处理的文件，并在压缩失败时自动降级处理。

5.1 项目结构

建议按照下面的结构组织文件：

pdf_batch_compress/ ├── pdf_input/ # 放原始 PDF ├── pdf_output/ # 放压缩后的 PDF ├── logs/ # 保存运行日志 └── batch_pdf_compress.py

提前把pdf_input、pdf_output、logs三个目录创建好。脚本会自动创建目录，但手动创建便于你理解文件路径关系。

5.2 核心代码：调用 Ghostscript 批量压缩

下面是一个完整的 Python 脚本，文件路径为pdf_batch_compress/batch_pdf_compress.py：

""" 批量压缩 PDF 脚本 依赖: Python 3.8+, Ghostscript 用法: python batch_pdf_compress.py \ --input pdf_input \ --output pdf_output \ --settings ebook \ --min-size-kb 100 \ --skip-existing """ import argparse import logging import shutil import subprocess import time from pathlib import Path logger = logging.getLogger("pdf_compress") # Ghostscript 四档预设 SETTINGS_MAP = { "screen": "/screen", # 屏幕预览，体积最小 "ebook": "/ebook", # 电子阅读与办公文档 "printer": "/printer", # 打印机分辨率 "prepress": "/prepress", # 印刷输出级，体积较大 } def find_ghostscript(): """查找系统中的 Ghostscript 可执行文件。""" candidates = ["gs", "gswin64c", "gswin32c"] for name in candidates: path = shutil.which(name) if path: return path raise FileNotFoundError( "未找到 Ghostscript，请先安装并配置 PATH，" "或者修改脚本中 candidates 为绝对路径。" ) def compress_pdf( gs_path: str, input_pdf: Path, output_pdf: Path, settings: str = "/ebook", ) -> bool: """使用 Ghostscript 压缩单个 PDF。""" output_pdf.parent.mkdir(parents=True, exist_ok=True) cmd = [ gs_path, "-sDEVICE=pdfwrite", "-dCompatibilityLevel=1.7", f"-dPDFSETTINGS={settings}", "-dNOPAUSE", "-dBATCH", "-dQUIET", "-sOutputFile", str(output_pdf), str(input_pdf), ] # 捕获标准输出和标准错误，便于排查问题 result = subprocess.run(cmd, capture_output=True, text=True) if result.returncode != 0: logger.error("压缩失败: %s", input_pdf.name) logger.error(result.stderr[-1500:] if result.stderr else "无错误信息") return False return output_pdf.exists() and output_pdf.stat().st_size > 0 def batch_compress( input_dir: Path, output_dir: Path, settings: str, min_size_kb: int, skip_existing: bool, use_pikepdf_fallback: bool, ) -> None: """批量遍历输入目录下的 PDF 并压缩。""" gs_path = find_ghostscript() # 只处理 PDF 文件 pdf_files = list(input_dir.rglob("*.pdf")) if not pdf_files: logger.warning("输入目录下没有找到 PDF 文件。") return logger.info("共发现 %d 个 PDF 文件", len(pdf_files)) success_count = 0 skip_count = 0 fail_count = 0 total_size_before = 0 total_size_after = 0 for index, input_pdf in enumerate(pdf_files, start=1): size_before = input_pdf.stat().st_size # 跳过过小文件 if size_before < min_size_kb * 1024: logger.info("[%d/%d] 跳过过小文件: %s (%.1f KB)", index, len(pdf_files), input_pdf.name, size_before / 1024) skip_count += 1 continue # 输出路径：保持相对目录结构是更稳妥的选择 relative_path = input_pdf.relative_to(input_dir) output_pdf = output_dir / relative_path if skip_existing and output_pdf.exists(): logger.info("[%d/%d] 跳过已存在文件: %s", index, len(pdf_files), output_pdf.name) skip_count += 1 continue logger.info("[%d/%d] 正在压缩: %s (%.1f MB)", index, len(pdf_files), input_pdf.name, size_before / 1024 / 1024) ok = compress_pdf(gs_path, input_pdf, output_pdf, settings) if not ok and use_pikepdf_fallback: # 如果是 Ghostscript 无法处理，则尝试用 pikepdf 兜底 ok = compress_with_pikepdf(input_pdf, output_pdf) if ok: size_after = output_pdf.stat().st_size ratio = (1 - size_after / size_before) * 100 if size_before else 0 total_size_before += size_before total_size_after += size_after success_count += 1 logger.info(" 压缩后: %.1f MB，压缩率 %.1f%%", size_after / 1024 / 1024, ratio) else: fail_count += 1 logger.info("处理完成: 成功 %d 个，跳过 %d 个，失败 %d 个", success_count, skip_count, fail_count) if total_size_before: logger.info("总体积从 %.1f MB 降至 %.1f MB，减少 %.1f%%", total_size_before / 1024 / 1024, total_size_after / 1024 / 1024, (1 - total_size_after / total_size_before) * 100) def compress_with_pikepdf(input_pdf: Path, output_pdf: Path) -> bool: """如果 Ghostscript 失败，使用 pikepdf 进行无损清理压缩。""" try: import pikepdf with pikepdf.open(input_pdf) as pdf: pdf.save( output_pdf, compress_streams=True, object_stream_mode=pikepdf.ObjectStreamMode.generate, ) return output_pdf.exists() and output_pdf.stat().st_size > 0 except Exception as exc: logger.error("pikepdf 兜底失败: %s", exc) return False def main(): parser = argparse.ArgumentParser(description="批量压缩 PDF 文件") parser.add_argument("--input", type=Path, default=Path("pdf_input"), help="输入 PDF 目录") parser.add_argument("--output", type=Path, default=Path("pdf_output"), help="输出 PDF 目录") parser.add_argument("--settings", type=str, default="ebook", choices=list(SETTINGS_MAP.keys()), help="压缩预设等级") parser.add_argument("--min-size-kb", type=int, default=100, help="小于该体积的文件跳过，单位 KB") parser.add_argument("--skip-existing", action="store_true", help="输出目录已有同名文件时跳过") parser.add_argument("--fallback", action="store_true", help="Ghostscript 失败时使用 pikepdf 兜底") args = parser.parse_args() # 日志配置：同时输出到控制台和文件 log_dir = Path("logs") log_dir.mkdir(exist_ok=True) log_file = log_dir / f"compress_{time.strftime('%Y%m%d_%H%M%S')}.log" logging.basicConfig( level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s", handlers=[ logging.StreamHandler(), logging.FileHandler(log_file, encoding="utf-8"), ], ) settings_value = SETTINGS_MAP[args.settings] batch_compress( input_dir=args.input, output_dir=args.output, settings=settings_value, min_size_kb=args.min_size_kb, skip_existing=args.skip_existing, use_pikepdf_fallback=args.fallback, ) if __name__ == "__main__": main()

这段代码中，以下几个设计点值得注意：

1. find_ghostscript()自动识别不同系统上的 Ghostscript 命令名称，避免 Windows 和 macOS/Linux 命令名不一致的问题。
2. 利用subprocess.run(capture_output=True, text=True)捕获 Ghostscript 的标准输出和错误，方便后续排错。
3. 输出路径使用input_pdf.relative_to(input_dir)保留原有目录层级，适合多级文件夹批量处理。
4. 增加--min-size-kb参数，避免对体积很小的文件做无意义压缩。
5. 增加--skip-existing参数，重复运行脚本时不会重复处理已经生成的同名文件。
6. 日志写入logs目录，文件名带时间戳，方便审计。

5.3 备选方案：PyMuPDF 压缩

如果某些 PDF 不需要 Ghostscript 那样激进的重采样，可以单独写一个基于 PyMuPDF 的版本：

""" 另一个轻量方案：使用 PyMuPDF 清理无用对象并重新压缩内容流。 文件路径：pdf_batch_compress/compress_pymupdf.py """ from pathlib import Path import fitz def compress_with_pymupdf(input_pdf: Path, output_pdf: Path): doc = fitz.open(input_pdf) # garbage=4: 清除未引用的对象、去除重复对象 # deflate=True: 重新压缩内容流 # clean=True: 清理并规范化 PDF 结构 doc.save(output_pdf, garbage=4, deflate=True, clean=True) size_before = input_pdf.stat().st_size size_after = output_pdf.stat().st_size print(f"{input_pdf.name}: {size_before / 1024:.1f} KB -> {size_after / 1024:.1f} KB") doc.close() if __name__ == "__main__": input_dir = Path("pdf_input") output_dir = Path("pdf_output") output_dir.mkdir(exist_ok=True) for pdf_path in input_dir.glob("*.pdf"): out_path = output_dir / pdf_path.name compress_with_pymupdf(pdf_path, out_path)

PyMuPDF 胜在轻量，不需要额外安装 Ghostscript，适合 PDF 文件本身结构比较规范、压缩需求不是特别高的场景。但对图片密集型 PDF，它的压缩率往往不如 Ghostscript 明显。

5.4 运行与验证

把需要压缩的 PDF 放入pdf_input，然后执行：

python batch_pdf_compress.py \ --input pdf_input \ --output pdf_output \ --settings ebook \ --min-size-kb 100 \ --skip-existing \ --fallback

预期日志输出类似于：

2025-01-15 10:00:01,123 [INFO] 共发现 5 个 PDF 文件 2025-01-15 10:00:02,456 [INFO] [1/5] 正在压缩: 扫描合同.pdf (15.2 MB) 2025-01-15 10:00:04,789 [INFO] 压缩后: 4.3 MB，压缩率 71.7% 2025-01-15 10:00:05,012 [INFO] [2/5] 正在压缩: 产品手册.pdf (42.8 MB) 2025-01-15 10:00:07,345 [INFO] 压缩后: 18.1 MB，压缩率 57.7%

注意，压缩率和具体文件内容强相关，不同文件的体积缩减比例可能差异很大，上面只是演示效果。

运行完，打开pdf_output里的文件，随机抽几页检查文字是否可选、图片是否可接受，再决定是否上调或下调压缩档位。

6. 进阶参数与质量平衡

6.1 四档 PDFSETTINGS 详解

Ghostscript 的-dPDFSETTINGS参数有四个常用预设，理解这些预设，才能在不同场景下选对档位：

• /screen：最低质量，适合电脑屏幕预览、快速预览。图片会被压到 72 DPI 左右，体积最激进，但打印效果通常不可接受。
• /ebook：电子设备阅读，约 150 DPI，是多数办公文档的首选，兼顾清晰度和体积。
• /printer：面向打印机输出，约 300 DPI，适合需要打印但图片质量要求不极端的场景。
• /prepress：面向印刷出版，体积压缩有限，适合需要保真输出的场景。

如果你是财务或人力资源人员，需要把一堆合同、发票压缩后归档，/ebook足够。如果这些 PDF 之后可能被拿去打印、签章、作为正式材料，建议用/printer，避免因过度压缩影响法律效力或者可读性。

6.2 手动控制图片分辨率

预设档位不一定满足所有需求。某些扫描件只需要彩色 100 DPI、黑白 200 DPI，但/ebook会统一处理。你也可以手动增加参数：

gs \ -sDEVICE=pdfwrite \ -dPDFSETTINGS=/ebook \ -dColorImageResolution=120 \ -dGrayImageResolution=150 \ -dMonoImageResolution=200 \ -dColorImageDownsampleType=/Bicubic \ -dGrayImageDownsampleType=/Bicubic \ -dNOPAUSE \ -dBATCH \ -dQUIET \ -sOutputFile=output.pdf \ input.pdf

参数说明：

• -dColorImageResolution：彩色图片的目标分辨率。
• -dGrayImageResolution：灰度图片的目标分辨率。
• -dMonoImageResolution：黑白图片的目标分辨率。
• -dColorImageDownsampleType=/Bicubic：重采样算法，双三次插值比平均采样能保留更多细节。

使用手动分辨率参数时，建议先取 3 到 5 个代表性文件做测试，用肉眼确认文字清晰度，再批量处理。

6.3 处理加密 PDF 与元数据保留

批量压缩时经常会遇到加密 PDF。这里的“加密”要区分两种：

• 打开密码：打开文件就需要输入密码。
• 权限密码：可以打开，但禁止打印、复制、编辑。

对于有合法权限的文件，在pikepdf.open()时传入密码即可：

import pikepdf # 打开密码模式下，需要传 password with pikepdf.open("encrypted.pdf", password="123456") as pdf: pdf.save( "output.pdf", compress_streams=True, object_stream_mode=pikepdf.ObjectStreamMode.generate, )

需要强调的是：处理加密 PDF 必须在拥有合法授权的前提下进行。切勿绕过他人设置的访问控制，或用这类技术处理没有权限的文件。

如果希望压缩后保留基础元数据，Ghostscript 默认会保留大部分文档信息。你也可以在脚本里追加-dPreserveMetadata=true参数，但要注意部分版本的实现差异。

7. 常见问题与排查思路

排查这类问题有一个通用套路：先处理单文件，再处理批量。先用命令行压缩单个 PDF，观察是否成功；失败则查看标准错误输出的末尾部分，定位具体报错信息；成功后再跑到脚本里，排除“批量逻辑”和“单文件本身问题”两方面的原因。

8. 最佳实践与工程建议

8.1 保留原始文件，压缩结果先输出到新目录

批量压缩脚本默认把结果写入pdf_output，不会覆盖pdf_input中的原始文件。这是一个非常重要的安全边界。在实际生产中，建议不要一开始就原地覆盖文件，而是先保持“输入目录”和“输出目录”分离，等确认压缩效果、阅读体验、打印质量都符合预期后，再由人工决定是否替换原文件。

如果是需要长期运行的自动化流程，还可以把“原始文件”和“压缩文件”之间的对应关系记录成 CSV，包括文件名、大小、压缩率、时间戳，方便审计。

8.2 压缩前先做小样本验证

无论你使用 Ghostscript、pikepdf 还是 PyMuPDF，拿到一个新的 PDF 集合时都应该先抽 3 到 5 个代表性文件测试。代表性文件应该包含最小体积、最大体积、图片最多、文字最多的文件。确认压缩参数对这批文件有效之后，再放开批量运行。

这样做的原因很简单：PDF 是高度异构的格式，没有一种参数能通吃所有文件。只有通过小样本验证，才能避免几百个文件处理完后才发现图片质量不可接受。

8.3 记录日志，确保可重复执行

批量压缩脚本需要输出日志。我建议至少记录以下几点：

• 原始文件名和路径；
• 压缩前大小、压缩后大小、压缩率；
• 使用的 Ghostscript 参数；
• 处理是否成功；
• 失败时的错误信息。

日志目录最好按天或者按时间戳归档，防止多次运行相互覆盖。可重复执行是脚本工具与手工操作最大的区别。

8.4 性能优化：并行处理时的资源边界

批量压缩大量 PDF 时，如果机器 CPU 核心较多，并行处理可以显著提速。但要注意，Ghostscript 是 CPU 密集型进程，如果同时启动十几个实例，不仅 CPU 会占满，磁盘 I/O 也会成为瓶颈，反而可能拖慢整体速度，甚至导致系统卡顿。

一个相对稳妥的思路是：先用串行脚本跑通流程，统计每个文件的平均耗时；在 CPU 核数允许的情况下，再用concurrent.futures.ThreadPoolExecutor控制并发数，比如设置为 2 到 4，而不是无脑开满所有线程。

8.5 隐私与合规边界

很多 PDF 包含个人隐私、合同编号、身份证号、财务报表等信息。使用在线 PDF 压缩工具虽然方便，但文件会被上传到第三方服务器，存在泄密风险。对于敏感材料，强烈建议本地脚本处理，不要上传到不信任的在线平台。

另外，对加密 PDF、受限文档的压缩必须遵守合法授权和合规要求。如果没有处理权限，不要尝试绕过限制，也不要对他人资料做未授权操作。

8.6 把压缩纳入归档流程

从工程角度看，PDF 压缩不应该是一次性的“补作业”，而应该纳入归档流程。比如：

• 文件上传前自动压缩；
• 扫描件归档时统一使用/ebook档位；
• 每季度检查一次旧归档文件，对未压缩的 PDF 执行批量压缩；
• 将压缩脚本和参数写入运维手册或项目文档，保证后续接手的人能理解每个参数的作用。

这样，批量压缩就不再是一个临时脚本，而是稳定可维护的工具。

9. 总结与学习路线

本文围绕“如何批量压缩 PDF 文档”这一需求，讲解了 PDF 体积过大的原因、压缩的核心原理，以及三种可行方案。其中最推荐的做法是“Python 脚本调用 Ghostscript”，兼顾压缩率、批量处理能力和可维护性。脚本中包含了自动查找 Ghostscript、跳过小文件、跳过已存在文件、日志输出、pikepdf 兜底等设计，你可以直接复制使用，也可以按自己的目录结构微调。

读完这篇文章，你应该能够完成以下几件事：

• 判断一个 PDF 的体积来源是文本、图片还是混合型；
• 根据使用场景选择/screen、/ebook、/printer或/prepress四档压缩参数；
• 写出自己的批量压缩脚本，并妥善处理日志和异常；
• 排查常见问题，比如压缩后体积变大、字体乱码、工具找不到等。

下一步如果你想继续深入，建议学习三个方向：一是用pikepdf做更精细的 PDF 对象级分析，比如导出图片列表、统计每张图片分辨率；二是结合 OCR 技术，把扫描版 PDF 转换成可搜索文件同时压缩体积；三是把这些脚本封装成带界面的小工具，供团队里不熟悉命令行的同事使用。

批量压缩 PDF 本质上就是一个“分析文件构成、选择合适参数、批量执行、验证结果”的工程问题。动手跑一次脚本，比对压缩前后的文件质量和体积，你会很快找到最适合自己业务场景的参数组合。如果本文对你有帮助，可以先收藏备用，后续压缩其他 PDF 时可以直接套用。