Twee Chinese tekens gezet in SimSun en door een gewone TrueType-subsetter gehaald laten nog steeds zo'n 25 KB aan ingebedde fontdata in de PDF achter. De contouren van die twee ideogrammen zijn een splinter daarvan. De rest is slotboekhouding: de subset hield de originele glyphnummering aan, dus hij draagt nog steeds een locatie-entry en een breedte-entry voor elke glyph-ID tot aan de hoogste die hij behield, en in een CJK-lettertype zitten de ideogrammen diep in een zeer grote tabel. Nummer de overlevenden vanaf nul, laat een /CIDToGIDMap-stream vertalen, en dezelfde twee tekens passen in ongeveer 3 KB
Waar de bytes gaan in een ijle fontsubset
Een ijle subset blijft zwaar omdat hij weigert een glyph te verplaatsen. HotPDF schrijft Unicode-tekst als een Type 0 font boven een CIDFontType2-nakomeling, en de content stream toont elke glyph bij zijn originele glyph-ID gebruikt als CID. Met /CIDToGIDMap /Identity zegt ISO 32000-1 §9.7.4.2 tegen de viewer om die CID rechtstreeks als glyphindex te behandelen. Nummer de glyphs in het fontprogramma opnieuw en laat alles andere met rust, en elk teken op de pagina wijst naar de verkeerde contour. De nummering houden is het goedkope, veilige antwoord. Zijn prijs is dat loca en hmtx elk slot tot aan de hoogste behouden GID moeten dekken, leeg of niet
Stel dat een CJK-lettertype 28.000 glyphs aangeeft en één van uw twee tekens bij het einde zit. Een loca-tabel in lang formaat spendeert 4 bytes per slot, ruwweg 112 KB, en volledige horizontale metrics spendeert nog eens 4 bytes per slot. Dat is ruim 200 KB aan tabellen vóór compressie, bijna alles nullen en herhaalde offsets. Flate krimpt zulke reeksen heel goed, maar kan ze niet laten verdwijnen, en daar komt het merendeel van die 25 KB vandaan. Een Latijns lettertype met een paar duizend glyphs draagt dezelfde structuur op een tiende van de schaal, dus de kost landt echt op documenten die Chinees, Japans of Koreaans mengen
Welke glyphs in de eerste plaats overleven (composietcomponenten, alternatieven die shaping binnenhaalt) wordt eerder beslist, door de font subset closure-regels voor gevormde glyphs. Compactering verandert alleen wat de overlevenden kosten zodra die set vastligt
Compacte font subsets achter een CIDToGIDMap-stream
THotPDF.CompactFontSubsetting nummert de behouden glyphs om in een dicht bereik vanaf nul, herbouwt de glyph-tabellen voor alleen die glyphs en schrijft een expliciete /CIDToGIDMap-stream op de CIDFont. ISO 32000-1 §9.7.4.2 definieert die stream als een array van tweebige, big-endian glyph-IDs geïndexeerd op CID: de GID voor CID n zit op byte-offset 2n. Content streams, de /W-breedtearray en de ToUnicode-CMap houden allemaal de originele nummers als CID aan. Alleen de stap van CID naar glyph verschuift naar de map, dus niets dat al op een pagina staat geschreven hoeft te worden aangeraakt
De property werkt op zichzelf. U hebt de rest van de compressiemachine niet nodig om kleinere fonts te krijgen, en voor een rapport dat vooral CJK-tekst is doet dit stelletje instellingen het meeste werk:
Pdf.EnableFontSubsetting := True;
Pdf.CompactFontSubsetting := True; // bruikbaar zonder CompressDocument
Pdf.BeginDoc;
Pdf.CurrentPage.SetFont('SimSun', [], 12);
Pdf.CurrentPage.TextOut(40, 40, 0, WideString('Total: '#$4E2D#$6587));
Pdf.EndDoc;
Compactering geldt voor een specifieke soort font. HotPDF bouwt compacte subsets voor Type 0 TrueType-letters: die via SetFont worden gezet terwijl EnableFontSubsetting aan staat, en het via RegisterUnicodeTTF geregistreerde lettertype. Een simpel TrueType-font wordt via de cmap in zijn eigen fontprogramma gelokaliseerd, en hernummeren zou die cmap naar de verkeerde glyphs laten wijzen, dus simpele fonts houden de ijle subset. OpenType-CFF-letters houden hem ook. Faalt de compacte bouw voor een bepaald font, dan schrijft HotPDF voor dat font de ijle subset en gaat met het document verder. De property staat standaard uit, dus bestaande uitvoer blijft byte-identiek totdat u zich aanmeldt; onder PDF/A krijgt de geregistreerde Unicode-letter altijd een compacte subset
Eén valkuil zit aan de leeskant. Een /CIDToGIDMap-stream lijkt naast de CMaps te horen, maar hij is kale binary zonder begincidchar-blokken, en hem aan een CMap-tokenizer geven levert een lege mapping op zonder enige fout. Als uw eigen tooling tekst extraheert of glyphs meet uit deze bestanden, lees de map dan als gewone 16-bit paren
Wat verandert CompressDocument voor één document?
THotPDF.CompressDocument leent zes writersinstellingen plus de object-stream-cap bij BeginDoc en geeft elk ervan bij EndDoc terug. Voordat de PDF-versie vastligt, neemt HotPDF uw waarden op en zet dan:
CompressionopcmFlateDecodeenCompressionLevelopclMaximumEnableFontSubsettingenCompactFontSubsettingopTrueUseXRefStreamenUseObjectStreamsopTrue, volgens ISO 32000-1 §7.5.7 en §7.5.8- De cap voor objecten per container op 250 in plaats van de gebruikelijke 100, tenzij u al uw eigen waarde via
ConfigureAdaptiveObjectStreamPackingzette
Object streams willen PDF 1.5, dus een oudere Version wordt verhoogd naar 1.5 als de versie niet is vergrendeld. PDF/A-1 verbiedt cross-reference- en object streams ronduit, dus een PDF/A-1-document houdt zijn klassieke cross-reference-tabel en krijgt alleen het Flate- en fontwerk. Beelden worden precies zo geschreven als u ze insloot; niets wordt geresampled of met verlies hercomprimeerd
var
Pdf: THotPDF;
begin
Pdf := THotPDF.Create(nil);
try
Pdf.AutoLaunch := False;
Pdf.FileName := 'invoice-2026-1042.pdf';
Pdf.CompressDocument := True; // toegepast door BeginDoc, teruggedraaid door EndDoc
Pdf.BeginDoc;
Pdf.CurrentPage.SetFont('Arial', [], 12);
Pdf.CurrentPage.TextOut(40, 40, 0, 'Invoice 2026-1042');
Pdf.CurrentPage.SetFont('SimSun', [], 12);
Pdf.CurrentPage.TextOut(40, 60, 0, WideString(#$5408#$8BA1));
Pdf.EndDoc;
finally
Pdf.Free;
end;
end;
De terugzet draait in de buitenste finally van EndDoc. Dat telt voor een component die in een data module woont en dagelijks honderden rapporten schrijft: een exception halverwege één rapport laat de volgende job niet draaien op maximale compressie met subsetting geforceerd aan. De property CompressDocument zelf blijft True, dus het volgende document krijgt dezelfde behandeling, en alleen de geleende instellingen gaan terug
De versie krijgt zorgvuldigere afhandeling. HotPDF draait zijn eigen verhoging naar 1.5 alleen terug als het document nog steeds op 1.5 eindigt. Duwt een andere functie het bestand tijdens de run hoger (een ingebed OpenType-font dat 1.6 nodig heeft bijvoorbeeld), dan blijft de hogere versie staan, precies het resultaat dat u zonder compressie kreeg. Voor een langlevend component is dat een veiliger ontwerp dan de zes properties eenmaal bij de opstart met de hand te zetten, want met de hand gezette waarden blijven voor elke latere job hangen, ook de instelbare
Syntax, offsets en object-stream-packing bijslijpen
Zodra fonts en streams klein zijn, worden de dictionaries en de cross-reference-data de grootste resterende post, en de object-stream-schrijver die CompressDocument gebruikt snoeit ook die. Het containerformaat zelf wordt behandeld in de gids over object streams en incrementele updates. Daarbovenop voegt het compressiepad vier verfijningen toe:
- Compacte syntax per ISO 32000-1 §7.2.2: een spatie wordt alleen geschreven waar twee tokens anders als gewone tekens aan elkaar zouden plakken, dus
/Type /Pagewordt/Type/Page - Cross-reference-streamvelden gebruiken elke breedte die §7.5.8.2 toestaat, dus een bestand onder 16 MB slaat elke offset in 3 bytes op in plaats van 4
- Tot 250 objecten gaan in elke object stream; minder, grotere containers geven Flate meer herhaling om mee te werken
- In een onversleuteld bestand gaan de Catalog en het Info-dictionary ook in object streams, terwijl versleutelde uitvoer ze op het topniveau houdt
Compacte syntax botst met alles dat een bestand patcht door in zijn tekst te zoeken. Ondertekenen is de voor de hand liggende zaak. De handtekeningwaarde wordt pas ingevuld nadat het bestand is geschreven, door de letterlijke placeholders /ByteRange ( en /Contents < in de uitvoerbytes op te sporen. Compact gespeld worden ze /ByteRange( en /Contents<, en een letterlijke zoekactie vindt ze nooit. HotPDF schrijft handtekeningdictionaries (Type Sig of DocTimeStamp, of FT Sig) en het versleutelingsdictionary daarom met de gespatieerde opmaak. Elk eigen post-save-script dat op /Type /Page of vergelijkbare gespatieerde tokens zoekt, heeft een patroon nodig dat de ontbrekende spatie tolereert
Kunt u een PDF comprimeren die al geladen is?
Ja. De options-overload CompressLoadedDocument(Options, AInfo) draait dezelfde verliesloze stappen op een bestaand bestand. Met THPDFLoadedDocumentCompressionOptions.Default verwijdert hij ongebruikte paginabronnen, voegt hij identieke fonts en form XObjects samen, subset hij ingebedde fonts met compacte subsets aan, hercomprimeert hij ongefilterde, Flate-, LZW-, ASCII85-, ASCIIHex- en RunLength-streams met Flate zodra het resultaat kleiner is, en zet hij de volgende opslag op object streams. HighRatioFlate staat standaard uit, en object streams worden overgeslagen voor PDF/A-1 en bij incrementele opslagen. De parameterloze overload CompressLoadedDocument is de smallere aanroep: hij Flate-comprimeert alleen streams die ongecomprimeerd zijn opgeslagen
var
Doc: THotPDF;
Options: THPDFLoadedDocumentCompressionOptions;
Info: THPDFLoadedDocumentCompressionInfo;
begin
Doc := THotPDF.Create(nil);
try
Doc.AutoLaunch := False;
Doc.LoadFromFile('quarterly-report.pdf');
Options := THPDFLoadedDocumentCompressionOptions.Default;
// Options.AllowSignatureInvalidation := True; // alleen als het verlies van handtekeningen acceptabel is
Doc.CompressLoadedDocument(Options, Info);
if Info.RefusedBySignaturePolicy then
Writeln(Format('Left untouched: %d signature fields', [Info.SignatureCount]))
else
begin
Writeln(Format('Compact fonts: %d, bytes saved before object streams: %d',
[Info.Fonts.CompactSubsetFontCount, Info.BytesSaved]));
Doc.SaveLoadedDocument('quarterly-report-compact.pdf');
end;
finally
Doc.Free;
end;
end;
Ondertekende bestanden worden als één beslissing behandeld. Elke stap herschrijft bytes die een handtekening dekt, dus een document met handtekeningvelden wordt als geheel geweigerd: de aanroep geeft 0 terug, zet RefusedBySignaturePolicy en verandert niets. AllowSignatureInvalidation zetten laat het werk doorgaan, en Info.SignaturesInvalidated registreert dan dat de handtekeningen niet langer verifiëren. Laat die optie uit in batchjobs. Een map met contracten die 's nachts wordt gecomprimeerd is een slechte plek om te ontdekken dat de helft handtekeningen droeg
Compactering op het ladepad is strenger dan op het creatiepad, om een reden die rechtstreeks uit het bestandsformaat komt. Tegen de tijd dat fonts worden gesubset heeft de decoder elke CID al in een GID omgezet via welke /CIDToGIDMap het bestand ook droeg, maar een nieuwe compacte map moet op CID geïndexeerd zijn. De twee vallen alleen samen als CID gelijk is aan GID. HotPDF compact daarom een fontprogramma alleen als elk font dat het gebruikt een CIDFontType2 is met een Identity-/CIDToGIDMap. Programma's die al een mapstream hebben, simpele TrueType-fonts en fonts met een /CIDSet krijgen de ijle subset. Letters met kleurglyftabellen (COLR, sbix, CBDT of SVG) ook, want de compacte herbouw houdt alleen contouurtabellen aan en zou de kleurlagen vallen laten
Lees Info.BytesSaved voor wat het is. Het sommeert de stappen voor bronnen, fonts en streams, terwijl de object-stream-winst pas verschijnt wanneer SaveLoadedDocument het bestand schrijft, dus vergelijk bestandsgroottes op schijf voor het volledige cijfer
Eindversies tegenover documenten die nog veranderen
De winst volgt hoeveel van een bestand ongecomprimeerde structuur en overtollige fontdata is, en het pagina-aantal heeft weinig ermee te maken. Voor een document van drie pagina's met gemengde Engelse en Chinese tekst in Arial en SimSun, met beide fonts volledig ingebed, komt het ongecomprimeerde bestand op zo'n 10 MB; gegenereerd met CompressDocument komt het op ruwweg 20 KB uit, met het grootste deel van de daling uit fontsubsetting, en CompressLoadedDocument belandt voor het ongecomprimeerde origineel in hetzelfde bereik. Een PDF die al compact is beweegt nauwelijks. Fotozware bestanden winnen weinig, want geen van beide paden raakt beelddata aan
De prijs is bewerkbaarheid. Een subsetfont kan alleen de tekens tonen die het document al gebruikt, dus een AcroForm die iemand later invult, of een incrementele edit die nieuwe tekst in hetzelfde font toevoegt, kan op ontbrekende glyphs stuiten. Gepakte object streams houden ook op leesbaar te zijn in een teksteditor, wat elke debugsessie vertraagt die begint met de PDF in Kladblok openen. Zet CompressDocument aan voor eindversies: gearchiveerde facturen, afschriften, alles wat één keer wordt gegenereerd en daarna alleen wordt gelezen. Voor sjablonen en formulieren die stroomafwaarts iemand zal invullen, laat hem uit en houd de volledige fonts aan
Genereert u elke nacht dezelfde CJK-rapporten, koppel compacte subsets dan aan de persistente font subset cache op schijf zodat het subsetwerk niet bij elke run opnieuw wordt gedaan. En vergelijkt u twee nachtelijke uitvoer, diff ze dan op objectinhoud. Eén veranderd veld Flate zijn hele object stream opnieuw, dus een byte-diff toont veel meer verandering dan er werkelijk plaatsvond
Property-, record- en optiondetails voor alles hierboven staan in de referentie op de productpagina van HotPDF Delphi PDF component