Sem filas de workers, sem endpoints de upload, sem cópia de "processamento em nossos servidores". Aqui está exatamente o que acontece com um PDF entre o soltar e o download.
Experimente no seu PDFPasso 1
O arquivo é lido com a API File.arrayBuffer() do navegador. Nada é postado em lugar nenhum; os bytes vivem na memória da aba.
PDF.js abre o documento e conta as páginas. Algumas páginas espalhadas pelo arquivo são amostradas quanto à densidade de texto. Se uma página amostrada contém quase nenhum caractere, o documento provavelmente é uma digitalização. Se tem bastante, é baseado em texto. Essa classificação determina se a recompressão de imagens ou a rasterização é tentada primeiro.
A análise também detecta proteção por senha. Arquivos criptografados param aqui com uma mensagem clara em vez de produzir uma saída danificada.
Passo 2
Cada passagem é uma reconstrução completa. O motor mede o resultado antes de decidir se a próxima passagem, mais destrutiva, é necessária.
pdf-lib carrega o documento e o reescreve com fluxos de objetos habilitados. Miniaturas de página, objetos órfãos e metadados de identificação são removidos. Fontes, imagens e conteúdo da página não são tocados, então esta passagem é efetivamente sem perdas.
O motor percorre o dicionário de recursos de cada página, incluindo imagens aninhadas em XObjects de formulário, e encontra fluxos de imagem JPEG. Cada um é decodificado com createImageBitmap, desenhado em um canvas em tamanho reduzido e recodificado em qualidade mais baixa.
O novo fluxo substitui o objeto antigo no lugar, então layout da página, texto, links e arte vetorial permanecem inalterados. Imagens com máscaras suaves, espaços de cor CMYK, compressão JPX ou JBIG2 são ignoradas em vez de arriscar uma renderização quebrada.
Quando o alvo ainda está fora de alcance — ou quando a origem é uma digitalização — o PDF.js renderiza cada página em um canvas fora da tela a 36–160 DPI. Os JPEGs são montados em um documento novo com pdf-lib. Isso achata o texto em pixels, então roda por último e o painel de resultados avisa.
Passo 3
As configurações de imagem são percorridas como uma escada ordenada pelo peso esperado da saída: escala ao quadrado multiplicada pela qualidade JPEG. O primeiro passo que mede abaixo do seu alvo vence. Se o resultado estiver confortavelmente abaixo do alvo, o motor tenta um passo melhor para dar um arquivo mais nítido e mantém o que couber.
A rasterização usa uma escada separada de 160 DPI até 36 DPI. Reduzir a resolução é a forma mais rápida de encolher uma digitalização, então a escada troca resolução e qualidade JPEG juntas em vez de levar qualquer uma ao extremo.
A regra da honestidade: sucesso significa outputBytes <= targetBytes, medido no arquivo final. Se nada couber, a ferramenta mostra o menor resultado real e quão acima do alvo ele está. Nunca arredonda para baixo, estima ou rotula um excesso como sucesso.
Passo 4
A análise de PDF e a codificação JPEG rodam em um worker dedicado, então rolagem, seleção e digitação permanecem responsivos enquanto um arquivo grande é processado.
O trabalho com imagens acontece em um canvas fora da tela que não toca o DOM. Navegadores sem ele fazem fallback para um caminho em blocos na thread principal.
As páginas são processadas em lotes, bitmaps são fechados após o uso, URLs de objeto são revogadas e arquivos grandes são sinalizados antes de esgotar a memória de um celular.
O que não pode fazer
Respostas mais profundas sobre como o compressor se comporta.
Porque a relação entre qualidade de imagem e tamanho de arquivo não é linear, e cada PDF é diferente. O motor percorre uma escada de alta qualidade para compressão agressiva, salva um PDF real em cada passo, mede-o e para no primeiro resultado que caiba no seu alvo. Esse resultado é o arquivo de melhor aparência que atende ao limite.
Rasterizar transforma texto em pixels. O arquivo fica menor, mas o texto deixa de ser selecionável, links quebram e letras pequenas borram. É oferecido como último recurso para digitalizações, e o painel de resultados sempre avisa quando foi usado.
Ainda não. O PDF.js pode abrir um arquivo criptografado com senha, mas a biblioteca que reconstrói documentos não consegue recodificá-lo. Em vez de produzir um arquivo quebrado, a ferramenta detecta a criptografia e pede que você remova a senha em um leitor de PDF primeiro.
Texto e conteúdo vetorial já são compactos. Se 95% de um arquivo é texto e fontes, há muito pouco dado redundante a remover. Ferramentas que reportam economias enormes em tais arquivos geralmente estão rasterizando as páginas, o que é o motivo pelo qual esta ferramenta reporta o método usado.
Qualquer modificação invalida uma assinatura criptográfica. Nenhuma ferramenta de compressão pode preservá-la. Mantenha o original assinado e comprima uma cópia se precisar enviar uma versão menor.
Solte um PDF, escolha um alvo e observe o resultado medido.
Comprimir um PDF