PDFのページを入れ替える・抜き出すときに起きること

PDFから要らないページを消せば軽くなる、と思いがちだが、そうならないことがある。測ってみたら、5ページから1ページ抜き出してサイズが99.9%のままだった。

同じ5ページから、1ページだけ抜き出す

2種類の5ページPDFを用意した。どちらも同じ大きさの画像を1つ持っている。違うのは、その画像をどのページが使っているかだけだ。

• A: 5ページ全部が同じ画像を表示する
• B: 1ページ目だけが画像を表示し、残り4ページは文字だけ

それぞれから1ページを抜き出した結果がこれだ。

元ファイル	抜き出したページ	出力サイズ	画像オブジェクト	元の何%
A（全ページで共有）	3ページ目	1,594,985 B	1	99.9%
B（1ページ目だけ）	3ページ目	865 B	0	0.1%
B（1ページ目だけ）	1ページ目	1,594,992 B	1	99.9%

同じ「1ページを抜き出す」操作なのに、865バイトと1.59MBに分かれた。

運ばれるのは「そのページが参照しているもの」

理由は、PDFの構造そのものにある。

PDFの中身は番号の付いたオブジェクトの集まりで、ページはそれらを番号で参照している。ページを抜き出すとき、ツールが運ぶのはそのページが参照しているオブジェクトだ。ページそのものは、実は驚くほど小さい。

Bの3ページ目は文字しか参照していないので、運ばれるのはページと文字の描画命令だけになる。結果が865バイトだ。

一方、Aの3ページ目は画像を参照している。その画像は5ページで共有されていたが、共有されていたかどうかは関係ない。1ページでも参照していれば、丸ごと運ばれてくる。

サイズはページ数では決まらない。そのページが何を指しているかで決まる。

「軽くするために削る」は当たらないことがある

この性質は、実務でそのまま効いてくる。

全ページに同じロゴが入っている書類は、何ページ消しても軽くならない。残った1ページがロゴを参照している限り、ロゴは付いてくる。

逆に、重い図面や写真が特定のページにだけ入っているなら、そのページを外した瞬間に劇的に減る。 上の表の865バイトがそれだ。

どのページが重いかは、見ただけでは分からない。ページ数やページの見た目と、中身の重さは一致しない。実際に抜き出して測るのが一番早い。

回転は見た目を変えるだけ

ページの回転は、まったく別の性質を持っている。

同じPDFを0度・90度・180度にして、中身を比べた。

	ページサイズ	/Rotate	文字の描画命令
回転なし	595 × 842	0	1 0 0 1 100 700 Tm <68656C6C6F> Tj
90度	595 × 842	90	同じ
180度	595 × 842	180	同じ

変わったのは /Rotate の数字だけ。 ページの寸法も、文字を置く座標も、1バイトも動いていない。

/Rotate は「このページを表示するとき、これだけ回してから見せてください」という指示にすぎない。中身は最初の向きのまま置かれていて、読む側が回している。

だから回転してもサイズはほとんど変わらないし、文字は文字のままだ。回転したPDFでも検索やコピーができるのはこのためで、画像として焼き直しているわけではない。

ついでに、この仕様から素直に出てくる注意がある。回転は足し算になる。 すでに90度回っているページにもう90度足せば180度だ。0度から始まる前提で上書きすると、見た目が意図と合わなくなる。このサイトのツールは足す側で実装している。

まとめ

• ページを抜き出すと、そのページが参照しているものが一緒に来る。

共有されていた画像でも、1ページ残れば丸ごと残る

• ページ数とファイルサイズは比例しない。 削っても減らないことがあるし、

1ページ外すだけで激減することもある

• 回転は表示の指示が1つ増えるだけ。 中身は動かない

軽くしたいなら、ページを消すより何が重いのかを見つけるほうが先だ。

計測の条件

pdf-lib（このサイトのツールが使っているもの）で、900×600のノイズ画像を埋め込んだA4・5ページのPDFを2種類作り、copyPages で1ページずつ抜き出した。画像オブジェクトの数は、生成されたPDFのバイト列から /Subtype /Image を数えた。回転の比較では、ページの内容ストリームを展開して描画命令を取り出し、文字列として比べた。