PDF object optimization

PDFオブジェクト最適化とは、PDF文書構造内のオブジェクトのサイズを削減し、効率を向上させるプロセスです。 ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) によれば、PDFファイルは文書のコンテンツ、構造、リソースを定義するオブジェクトの集合で構成されています。最適化技術は、これらのオブジェクトを対象として、文書の忠実性を損なうことなく、ファイルサイズの最小化、メモリ使用量の削減、レンダリング性能の向上を実現します。

PDFオブジェクト最適化は、PDF文書を構成する基本的な構成要素の効率を改善するための様々な技術を包含します。すべてのPDFは、ページ、フォント、画像、メタデータ、その他の文書コンポーネントを表す辞書、ストリーム、文字列、配列、間接オブジェクトなどのオブジェクトで構成されています。最適化は、冗長性の排除、データストリームの圧縮、未使用オブジェクトの削除、より良いアクセスパターンのためのオブジェクト階層の再構築に焦点を当てています。

これは、PDFを単一のバイナリブロブとして扱う一般的なファイル圧縮とは異なります。PDFオブジェクト最適化は、文書構造のセマンティックレベルで動作し、オブジェクト間の目的と関係性を理解します。また、コンテンツ最適化（画像のダウンサンプリングやフォントのサブセット化など）とも異なりますが、これらの技術はしばしば併用されます。オブジェクト最適化は特にPDF構文レイヤー、つまりオブジェクトがファイル構造内でどのように保存され、参照され、整理されるかを対象とします。

PDF生成、操作、配信システムを扱う開発者にとって、オブジェクト最適化はアプリケーションのパフォーマンスとユーザー体験に直接影響します。大きなPDFファイルは、より多くの帯域幅を消費し、ダウンロードに時間がかかり、処理により多くのメモリを必要とします。複数のユーザーにPDFを配信するWebアプリケーションでは、最適化されていないファイルがサーバーリソースに負担をかけ、応答時間を遅くする可能性があります。

オブジェクト最適化は、プログラムによってPDFを生成する際に特に重要です。素朴な生成アプローチは、重複したリソース、不要なオブジェクト、非効率的な構造を持つ肥大化したファイルを作成することが多いためです。最適化技術を理解することで、開発者は様々なビューアやデバイスでより速く読み込まれ、よりスムーズにレンダリングされる、無駄のないプロフェッショナル品質のPDFを生成できます。 ( Citation: N.A., 2014 (N.A.). (2014). Document management applications — Electronic document file format enhancement for accessibility — Part 1: Use of ISO 32000-1 (PDF/UA-1) .  International Organization for Standardization Retrieved from https://www.iso.org/standard/64599.html ) 標準に準拠した文書アクセシビリティの実装においても、最適化されたオブジェクト構造は、支援技術が文書コンテンツを解析しナビゲートする方法を改善できます。

PDFオブジェクト最適化は、いくつかの主要なメカニズムを通じて動作します。

オブジェクトの重複排除は、PDF内の重複オブジェクトを識別して排除します。たとえば、同じ画像が文書内に複数回出現する場合、オプティマイザは同一の画像ストリームを検出し、複数のコピーを保存するのではなく、単一の共有オブジェクトを参照するようにページコンテンツを変更します。

オブジェクトストリーム圧縮は、PDF 1.5で導入された機能で、複数の小さなオブジェクトを圧縮されたオブジェクトストリームにグループ化します。これにより、多数のオブジェクトを個別の辞書エントリとしてではなく、単一の圧縮コンテナに保存することでオーバーヘッドが削減され、多数の小さなオブジェクトを持つ文書のファイルサイズが大幅に削減されます。

未使用オブジェクトの削除は、文書カタログからオブジェクトグラフをトラバースし、参照されなくなったオブジェクトを排除することを含みます。これは通常、ページの削除、コンテンツの編集、またはファイル構造に孤立したオブジェクトを残す増分更新の後に発生します。

相互参照テーブルの最適化は、ファイルの相互参照構造を再構築して、オブジェクト番号のギャップを排除し、削除されたオブジェクトのエントリを削除します。現代のPDFファイルは、追加の圧縮のために従来のテーブルではなく相互参照ストリームを使用する場合があります。

線形化（「fast web view」とも呼ばれる）は、ファイル全体がダウンロードされる前に段階的なレンダリングを可能にするために、最初のページのコンテンツがファイルの先頭に現れるようにオブジェクトを再編成します。これは、作成順序ではなくページの依存関係に基づいてオブジェクトの順序を再構築します。

( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) によれば、これらの最適化技術は、物理的なファイル構成を改善しながら、文書構造のセマンティック整合性を保持する必要があります。

• PDFオブジェクト（PDF objects） – 辞書、配列、ストリーム、プリミティブ型を含む、PDF文書を構成する基本的なデータ構造
• 増分更新（Incremental update） – 変更をファイルの末尾に追加することでPDFを変更する方法。最適化が必要な肥大化につながる可能性がある
• オブジェクトストリーム（Object streams） – 単一のストリームオブジェクト内に複数のPDFオブジェクトを効率的に保存する圧縮コンテナ
• 相互参照テーブル（Cross-reference table） – PDFファイル内のオブジェクト番号とそのバイト位置をマッピングするインデックス構造
• 線形化PDF（Linearized PDF） – Webブラウザでのバイトサービングと段階的表示のために最適化された特別に構成されたPDFファイル構造