Если у меня есть многостраничный PDF-файл, и я разделил его на отдельные страницы с помощью отличного пакета poppler (установленного на macOS используя brew install poppler) вот так:
pdfseparate foo.pdf bar-%04d.pdf
а затем снова присоединитесь к получившейся панели - файлы ####. pdf, например:
pdfunite bar-*.pdf baz.pdf
Полученный файл baz.pdf имеет то же содержание, но файл намного больше.
Сначала я предположил, что в результате будут дублироваться метаданные или что-то в этом роде. Но даже если я уберу все метаданные из всех файлов, то есть из ввода, а также из промежуточной панели - файлов ####. Pdf, а также из итогового файла вывода, используя exiftool и qpdf вот так:
# command line steps to strip metadata from (and re-linearize) example.pdf :
exiftool -all= -overwrite_original example.pdf ;
mv example.pdf temp.pdf ;
qpdf --linearize temp.pdf example.pdf
Тогда по-прежнему результирующий файл baz.pdf намного больше, чем исходный ввод.
Что может быть причиной этого? Что еще может быть в многостраничном PDF-файле, кроме его чистого содержимого? Предполагая, что pdfseparate и pdfunite Попплера не трогают сам фактический контент, и что мое удаление метаданных правильное.
Или возможно, что pdfseparate и pdfunite каким-то образом раскладывают и реконструируют содержимое PDF без потерь, но неоптимально? (Я недостаточно знаю внутреннюю структуру файлов PDF, но могу представить, что существует множество различных способов кодирования одного и того же содержимого)
Кстати, если я проверю любой из задействованных PDF-файлов с помощью exiftool somefile.pdf, он действительно не показывает никаких метаданных (и линеаризованный: да).
