Как оптимизировать PDF для быстрой загрузки в вебе

Скорость открытия PDF в браузере определяется не весом, а порядком объектов внутри. В обычном файле таблица ссылок лежит в самом конце, поэтому просмотрщик вынужден дождаться последнего байта, прежде чем нарисовать первую страницу. Линеаризация переставляет объекты первой страницы в начало и добавляет таблицы подсказок для остальных: документ начинает показываться, пока хвост ещё качается. Содержимое при этом не меняется вообще.

Сервер · удаление сразудо 50 МБбез регистрации

Коротко о цифрах

Требование стандарта: словарь линеаризации — первый объект и лежит в первых 1024 байтах файла
Наша проверка: сканируются первые 2048 байт: до сигнатуры бывает мусор
Инструмент: qpdf --linearize, двухпроходная перезапись файла
Лимиты маршрута: 50 МБ на файл, 20 запросов за 10 минут, таймаут 60 секунд
Побочный эффект: код возврата 3 у qpdf означает, что файл заодно починили

Что именно делает линеаризация

Стандарт PDF требует, чтобы словарь линеаризации был первым объектом файла и целиком помещался в первую тысячу с небольшим байт. Это не формальность, а условие работы: просмотрщик решает, может ли он показывать документ по частям, прочитав только начало, без единого обращения к концу файла. Мы пользуемся тем же свойством и определяем линеаризованный файл сканированием первых двух килобайт — с запасом, потому что перед сигнатурой PDF иногда лежит мусор от почтовых шлюзов и прокси.

Дальше в дело идёт qpdf с ключом линеаризации. Это двухпроходная перезапись: сначала считается расположение объектов первой страницы, потом файл пишется заново с таблицами подсказок, которые сопоставляют каждой странице диапазон байт. Просмотрщик, умеющий запрашивать куски файла по диапазонам, после этого получает нужную страницу одним запросом вместо загрузки всего документа.

Чего оптимизация не делает

Не уменьшает вес заметно. Таблицы подсказок — это дополнительные байты; файл может стать чуть больше, и это нормальная плата за скорость первого экрана.
Не трогает картинки. Разрешение, качество JPEG и цветность остаются ровно теми же, что были.
Не заменяет сжатие. Если исходник весит сотню мегабайт, он и после линеаризации будет весить столько же.
Не помогает, если файл уже линеаризован: мы сообщаем об этом отдельным признаком в ответе, чтобы вы не гоняли документ по кругу.

Пределы серверной обработки

Размер файла — до 50 МБ: это общий потолок всех наших маршрутов на qpdf.
Частота — 20 запросов за десять минут с одного адреса.
Время на обработку — не больше минуты; линеаризация дешёвая, в нашем замере файл на 89 страниц и 6 МБ прошёл примерно за 40 миллисекунд.
Очередь ограничена: если ждущих больше пяти, сервер честно отвечает «занят» вместо того, чтобы копить процессы.
Если qpdf по дороге починил структуру, в ответе будет признак ремонта — файл был повреждён, и об этом стоит знать.

Частые вопросы

Станет ли файл легче после оптимизации?

Скорее нет. Линеаризация меняет порядок объектов, а не их содержимое, и добавляет таблицы подсказок, поэтому размер остаётся тем же или немного растёт.

Зачем тогда линеаризовать документ?

Ради времени до первой страницы. Читатель видит начало документа, пока остальное ещё качается, и это заметнее, чем экономия пары процентов веса.

Как понять, что файл уже линеаризован?

По началу файла: словарь линеаризации обязан лежать в первых байтах. Инструмент проверяет это до обработки и сообщает результат вместе с готовым файлом.

Файл уходит на сервер при оптимизации?

Да, эта операция серверная: qpdf работает не в браузере. Файл обрабатывается и удаляется, но если приватность критична, используйте инструменты, которые работают локально.