Apakah Mengompresi PDF Membuat Teks Tidak Bisa Dicari?

Ya — hampir selalu. Jika sebuah alat kompresor membuat PDF Anda jauh lebih kecil, kemungkinan besar setiap halaman telah diubah menjadi gambar, dan teks di dalamnya bukan lagi teks.

Biasanya Anda baru menyadarinya nanti, di saat yang paling tidak tepat: mencari klausul dalam kontrak dan tidak mendapat hasil apa pun, atau menempel paragraf dan tidak ada yang muncul. Panduan ini menjelaskan mengapa hal itu terjadi, cara memeriksanya, dan cara mengompresi file tanpa kehilangan teks.

Dua Operasi yang Sepenuhnya Berbeda Berbagi Satu Kata

"Compress" menggambarkan dua hal yang bekerja dengan cara berlawanan. Alat jarang memberi tahu Anda mana yang sedang Anda gunakan.

Lossless: membangun ulang file

Struktur dokumen ditulis ulang dengan lebih efisien. Sumber daya duplikat digabungkan, objek yang tidak digunakan dihapus, dan aliran internal dikemas ulang. Tidak ada yang berubah di halaman.

Teks tetap sebagai teks. Font tetap tertanam. Tautan, kolom formulir, dan anotasi tetap ada. Kelemahannya adalah pengurangan ukuran: biasanya 20–30%, dan pada file yang sudah dibuat dengan baik, terkadang hampir tidak ada pengurangan.

Lossy: memotret halaman

Setiap halaman dirender menjadi gambar, gambar itu dikompres, dan PDF baru dibuat dengan satu gambar per halaman.

Ini sangat efektif — 60–80% pada dokumen pindai adalah hal yang normal — karena membuang perbedaan antara sebuah huruf dan piksel yang membentuknya. Dan itulah masalahnya. Setelah ini, halaman adalah foto dari dokumen Anda. Tidak ada teks di dalamnya untuk dicari.

Cara Mengetahui Mana yang Anda Dapatkan

Buka output dan coba pilih satu baris teks isi dengan kursor Anda.

• Kursor teks muncul dan Anda dapat menyorot kata-kata individual — teks masih ada.
• Anda mendapat kotak seleksi di seluruh halaman, atau tidak ada yang terjadi — halaman adalah gambar.

Dua pemeriksaan cepat lainnya: tekan Ctrl+F (Cmd+F di Mac) dan cari kata yang bisa Anda lihat dengan jelas. Dan perbesar hingga 400%. Teks asli tetap tajam pada zoom berapapun karena digambar dari outline font; gambar akan menjadi buram lalu berbentuk kotak.

Mengapa Ini Lebih Penting dari yang Terdengar

Kehilangan teks yang dapat dicari bukan hanya ketidaknyamanan.

Anda tidak bisa mencari atau mengekstrak. Setiap alur kerja yang membaca data dari dokumen berhenti bekerja — sistem pengeluaran, peninjauan kontrak, pengindeksan manajemen dokumen.

Pembaca layar tidak dapat membacanya. Ini yang serius. Halaman yang berupa gambar sepenuhnya tidak dapat diakses oleh siapa pun yang menggunakan teknologi bantu. Jika Anda menerbitkan dokumen yang akan dibaca publik, atau bekerja di mana saja dengan kewajiban aksesibilitas, PDF hanya-gambar bukan output yang dapat diterima.

Mesin pencari tidak dapat mengindeksnya. PDF yang diterbitkan di situs web tanpa lapisan teks tidak berkontribusi apa pun pada pencarian.

Kualitas kini bersifat permanen. Anda tidak dapat memulihkan teks nanti kecuali dengan menjalankan OCR, yang memperkenalkannya kembali dengan menebak piksel — biasanya akurat, tetapi tidak pernah sempurna, dan tidak pernah dengan format aslinya.

Memilih dengan Sengaja

Alat Compress PDF kami menampilkan keduanya, dan memberi tahu Anda pengaturan mana yang mana.

Keep text adalah jalur lossless. Gunakan saat dokumen akan dicari, dibaca dengan teknologi bantu, diproses secara otomatis, atau disimpan sebagai catatan. Perkirakan pengurangan yang sederhana.

Smallest size adalah jalur lossy, dalam tiga kekuatan — sekitar 144, 108 dan 72 DPI. Gunakan saat file harus memenuhi batas ketat dan seseorang hanya akan melihatnya. Alat ini menyatakan dengan jelas bahwa teks tidak tetap dapat dipilih dalam mode mana pun.

Ada juga mode Target size untuk saat portal meminta angka tertentu. Ini adalah mode lossy, jadi trade-off yang sama berlaku.

Kasus di Mana Tidak Ada Perbedaan

Jika PDF Anda adalah hasil pindai, tidak pernah ada teks di dalamnya untuk hilang. Foto halaman tidak mengandung karakter, hanya piksel, apa pun alat yang menghasilkannya.

Untuk dokumen pindai, kompresi lossy tidak mengorbankan apa pun dalam hal kemampuan pencarian — karena Anda tidak memilikinya. Itulah juga mengapa dokumen pindai dapat dikompres dengan sangat baik: semuanya adalah data gambar murni, yang memang dirancang untuk kompresi lossy.

Jika Anda ingin dokumen pindai dapat dicari, itu adalah operasi terpisah: OCR membaca piksel dan menambahkan lapisan teks di bawahnya. Layak dilakukan sebelum Anda mengompresi, karena kompresi agresif membuat karakter lebih sulit dikenali dan OCR kurang akurat.

Aturan yang Berhasil

Ajukan satu pertanyaan: setelah file ini dikirim, apakah ada yang lain selain sepasang mata manusia yang perlu membacanya?

• Tidak — seorang rekan akan sekilas melihatnya, peninjau portal akan menyetujuinya, dikirim via email. Lossy tidak masalah. Ambil penghematan 70%.
• Ya — akan dicari, diindeks, diarsipkan, dibaca keras, atau diproses. Tetap lossless, terima penghematan yang lebih kecil, dan cari ruang di tempat lain.

"Di tempat lain" biasanya berupa halaman. Menghapus halaman yang tidak diminta mengalahkan pengaturan kompresi apa pun, dan tidak mengorbankan kualitas sama sekali. Extract PDF pages akan mengambil hanya halaman yang Anda butuhkan.

Jika Anda Sudah Kehilangannya

Jika Anda telah mengompresi file menjadi gambar dan tidak lagi memiliki aslinya, teks tidak dapat dipulihkan dalam bentuk aslinya. Pilihan Anda adalah kembali ke dokumen sumber dan ekspor ulang, atau jalankan OCR pada versi yang dikompres untuk menghasilkan lapisan teks baru.

OCR pada file yang sudah dikompres dengan berat adalah yang paling lemah dari opsi-opsi ini, karena kompresi merusak bentuk huruf yang menjadi dasar pengenalan. Itulah argumen terkuat untuk menyimpan file asli dari apa pun yang penting.

Pertanyaan yang Sering Diajukan

Bisakah saya mengetahui apakah PDF memiliki teks asli tanpa membukanya di pembaca? Pemeriksaan tercepat adalah membukanya dan mencoba memilih satu baris. Jika Anda ingin yakin, cari kata yang bisa Anda lihat dengan jelas di halaman — jika pencarian tidak menemukan apa pun, tidak ada lapisan teks.

Apakah kompresi pernah menghapus teks dari PDF yang bukan hasil pindai? Ya. Kompresi lossy merender setiap halaman menjadi gambar terlepas dari apa yang ada di dalamnya. PDF yang diekspor dari Word dengan teks yang sempurna akan kehilangan teks itu jika Anda mengompresnya dalam mode "smallest size".

Apakah file yang lebih kecil selalu berkualitas lebih buruk? Tidak. Kompresi lossless membuat file lebih kecil tanpa perubahan kualitas sama sekali — ia menghapus pemborosan bukan detail. Hanya saja tidak dapat mencapai pengurangan dramatis yang diharapkan orang.

PDF yang dikompres terlihat identik. Apakah teksnya tetap ada? Belum tentu. Pada zoom normal, gambar halaman yang dikompres dengan baik terlihat sangat mirip dengan aslinya. Memilih teks adalah satu-satunya tes yang dapat diandalkan.

Bisakah saya menambahkan teks kembali setelah mengompresi? Hanya dengan menjalankan OCR, yang menghasilkan lapisan teks baru dengan mengenali piksel. Biasanya akurat tetapi tidak pernah dijamin, dan tidak memulihkan format aslinya.