لماذا حجم ملف PDF لديّ كبير جدًا؟ (وكيف تُصلح ذلك فعليًا)

غالبًا ما ينشأ الالتباس حول سؤال "لماذا هذا الملف كبير جدًا" من معاملة PDF كأنه صيغة ملف واحدة موحدة كما هو الحال مع ملف نصي عادي — لكن PDF أقرب إلى صيغة وعاء، شبيهة من حيث الجوهر بأرشيف ZIP، يجمع بين عدة أنواع مختلفة فعلًا من المحتوى: تعليمات تخطيط الصفحة، والخطوط المضمنة، والصور المضمنة، والرسوميات المتجهية، والبيانات الوصفية، وكل منها مخزَّن بتمثيله الداخلي الخاص. أما بنية الوعاء نفسها — الجزء الذي يخص PDF فعليًا — فهي صغيرة؛ فملف PDF لا يحتوي إلا على نص عادي وتخطيط بسيط، دون صور مضمنة أو خطوط غير معتادة، لا يتجاوز حجمه عادة بضع كيلوبايتات مهما بلغ عدد صفحاته. وكلما تضخم ملف PDF ليبلغ عشرات أو مئات الميغابايتات، فإن هذا الحجم آتٍ مما تم تضمينه داخل ذلك الوعاء، لا من صيغة الوعاء نفسها، وهذا بالضبط سبب أن سؤال "لماذا حجم ملف PDF لديّ كبير جدًا" يكاد يكون له دائمًا جواب محدد يمكن تحديده، بدلًا من أن يكون خاصية متأصلة في الصيغة.

المستند الناتج عن مسح صفحات ورقية ضوئيًا ليس، على مستوى صيغة الملف، مستند نص حقيقيًا على الإطلاق — بل هو سلسلة من الصور الفوتوغرافية لصفحات كاملة، صورة واحدة لكل صفحة، ملفوفة داخل وعاء PDF، وتنطبق عليه كل قواعد حجم الملف التي تنطبق على الصور الفوتوغرافية. وتلجأ الماسحات الضوئية عادة افتراضيًا إلى الالتقاط بدقة 300 نقطة في البوصة أو أعلى، وهي دقة مُعايَرة لإعادة الإنتاج الورقي الفعلي، وهذا أكثر بكثير من بيانات البكسل التي تستطيع أي شاشة عرضها أو التي يحتاجها القارئ فعليًا لمستند لن يُشاهد إلا على شاشة. ولهذا السبب بالضبط يصل مستند ممسوح ضوئيًا من عشر صفحات وملتقط بدقة الطباعة إلى عشرات الميغابايتات بشكل روتيني: فهو ليس عشر صفحات نصية، بل عشر صور فوتوغرافية بدقة كاملة، والصور بهذه الدقة كبيرة بطبيعتها بغض النظر عن مقدار المعلومات البصرية التي تنقلها فعليًا عند مشاهدتها على شاشة عادية.

وهذا أيضًا يفسر لماذا يستجيب ملف PDF ممسوح ضوئيًا بشكل كبير للضغط بطريقة لا يستجيب بها غالبًا ملف PDF نصي حقيقي: فإعادة ترميز صورة كل صفحة بدقة أقل ومستوى ضغط أكثر قوة لكن لا يزال مناسبًا للعرض على الشاشة يمكن أن يقلص مستندًا ممسوحًا ضوئيًا بنسبة 70% إلى 90% مع فقدان طفيف أو معدوم في وضوح القراءة على الشاشة، لأن الأصل كان يحمل أصلًا بيانات بكسل أكثر بكثير مما يمكن لأي شاشة أن تستفيد منه فعليًا.

المستند الذي يحتاج إلى الظهور بالشكل نفسه تمامًا على كل جهاز، بغض النظر عن الخطوط المثبتة عليه، يضمّن عادة ملفات الخطوط الفعلية التي يستخدمها مباشرة داخل المستند، بدلًا من الاكتفاء بالإشارة إلى خط باسمه على أمل أن يتوفر لدى نظام القارئ خط مطابق له — وهذا هو الخيار الهندسي الصحيح تمامًا لضمان عرض موثوق ومتسق، لكنه يأتي بتكلفة حقيقية في الحجم. فعائلة خط واحدة مضمنة، خاصة إن كانت تضم أوزانًا وأنماطًا متعددة، يمكن أن تضيف بسهولة مئات الكيلوبايتات إلى مستند كان سيكون لولا ذلك نصًا خالصًا تقريبًا. وهذا التأثير أكبر بكثير في المستندات التي تستخدم النص الصيني أو الياباني أو الكوري: فهذه الأنظمة الكتابية تتطلب آلاف الرموز المميزة بدلًا من نحو 100 حرف يحتاجها خط بالحروف اللاتينية، لذا فإن خطًا صينيًا-يابانيًا-كوريًا مضمنًا بالكامل يمكن أن يصل وحده إلى عشرات الميغابايتات — وغالبًا ما يكون أكبر عنصر منفرد في مستند متواضع لولا ذلك.

وتعالج أدوات توليد PDF المصممة جيدًا هذه المشكلة بتضمين مجموعة فرعية فقط من الرموز التي يستخدمها المستند فعليًا بدلًا من ملف الخط بأكمله، ما يجعل العبء الإضافي في الحجم متناسبًا مع كمية النص الموجودة فعليًا. أما المستند الذي يضمّن ملفات خط كاملة غير مقتطعة لنظام كتابي ذي مجموعة أحرف كبيرة، بدلًا من الرموز المستخدمة فعليًا فقط، فقد ينتهي به الأمر حاملًا بيانات خط أكثر بأضعاف مما قد يحتاجه النص الموجود في الصفحة على الإطلاق.

بعض مسارات تحرير ملفات PDF، وتحديدًا أنماط الحفظ التزايدي حيث يُضاف كل تعديل إلى نهاية الملف بدلًا من إعادة كتابة المستند بأكمله، يمكن أن تترك نسخًا سابقة من المحتوى المُعدَّل موجودة تقنيًا داخل الملف رغم أنها لم تعد تظهر بصريًا — وهو أشبه بسجل تحرير يتراكم بصمت داخل المستند بدلًا من أن يُنظَّف. وملف PDF الذي مرّ بعدة جولات من التحرير بهذه الطريقة يمكن أن يحمل بيانات أكثر بكثير مما يوحي به محتواه المرئي الحالي، لأن بعض ما هو مخزَّن بداخله لم يعد يُعرض فعليًا لأحد. وإعادة حفظ المستند عبر عملية تعيد بناء الملف من حالته المرئية الحالية، بدلًا من مواصلة الإضافة إلى البنية القائمة، هي ما يزيل هذه البقايا.

إعادة ترميز الصور المضمنة بدقة ومستوى ضغط مناسبين للطريقة التي سيُشاهد بها المستند فعليًا هو الإصلاح الأعلى تأثيرًا على الإطلاق، وهو فعّال تحديدًا لأنه يستهدف السبب الحقيقي للتضخم في الغالبية الساحقة من ملفات PDF المتضخمة — بيانات صور التُقطت أو ضُمّنت بدقة أعلى بكثير مما تحتاجه حالة الاستخدام النهائية. أما إعادة بناء البنية الداخلية للمستند من حالته الحالية، وإزالة بقايا التعديلات التزايدية، فهو رافعة ثانية أصغر لكنها حقيقية فعلًا. أما ما لا يساعد بشكل ملموس فهو تطبيق أداة ضغط ملفات عامة فوق ملف PDF محفوظ بالفعل: فعارضات ومولّدات PDF تضغط أصلًا معظم المحتوى المضمن داخليًا باستخدام ضغط قياسي مفهوم جيدًا، لذا فإن لف الملف بأكمله بطبقة أخرى من الضغط العام فوق ذلك عادة ما يوفر واحدًا أو اثنين بالمئة فقط — أقل بكثير مما توفره إعادة معالجة الصور والبنية المضمنة فعليًا، لأنه لا يتبقى تكرار يُذكر في ملف مضغوط بالفعل كي تجده مرحلة ضغط ثانية غير مرتبطة به.