如何为表单或网站上传准备好 PDF
简言之: 接收方检查的是文件内容、大小和有没有文字层,而不是扩展名或文件名。操作顺序应为:合并、调整页面、识别文字、压缩。转成灰度会丢失文字层,签名会清除文档标题,而裁剪并不会删除任何内容。
专题
最佳实践
最佳实践: PDF guidance for reliable document processing and quality checks.
主要工具
在线压缩 PDF
打开本文提到的工具,并以当前界面语言完成操作。
打开工具目录
如何为上传准备好 PDF
“把文件准备好”听起来很笼统,其实含义很具体:文档能通过对方的检查,不需要返工,也不会夹带你没打算发出去的东西。检查通常有三四项,全部是自动完成的,没有一项会看文件叫什么名字。
接收方实际检查什么
| 检查项 | 检查方式 | 什么情况会不通过 |
|---|---|---|
| 文件类型 | 根据开头几个字节中的签名 | 把图片改名为 `.pdf` |
| 完整性 | 看是否有文件结束标记 | 从云端只下载了一半的文件 |
| 大小 | 按字节数 | 未经压缩的扫描件 |
| 文字层 | 尝试提取文字 | 没做文字识别的页面照片 |
第一行值得记住:文件扩展名没有任何意义。格式是根据内容判断的,所以把图片改名为 `.pdf` 没用,而没有扩展名的真正 PDF 却能顺利通过。
第四项检查出现得比较晚,但越来越常见:接收系统希望对文档做全文检索,而扫描件在它看来是空的。检查自己的文件只需要一秒钟:打开文件,试着用鼠标选中一行文字。如果整页被作为一个矩形高亮,就说明没有文字层。
操作顺序,以及每项操作会丢掉什么
这是最值得细读的部分。每项操作都会保留一些东西,同时丢掉另一些,而你执行操作的先后顺序,决定了收件人最终拿到什么。
| 操作 | 文字层 | 书签 | 文档属性 |
|---|---|---|---|
| 合并 | 保留 | 汇总所有文件的书签 | 仅沿用第一个文件的属性 |
| 删除页面 | 保留 | 重新编号 | 保留 |
| 旋转、裁剪、添加页码 | 保留 | 保留 | 保留 |
| 压缩 | 保留 | 保留 | 保留 |
| 转换为灰度 | 丢失 | 保留 | 保留 |
| 签名 | 保留 | 保留 | 只保留作者和主题 |
| 文字识别 | 新增 | 保留 | 保留 |
因此,合理的工作顺序是:先合并成完整文档,再调整页面,然后识别文字,最后压缩。压缩放在最后,是因为之后任何操作都会让文件重新变大。文字识别放在压缩之前,是因为识别读取的是页面图像,而压缩恰恰会降低这些图像的质量。
灰度那一行解释了一个常见的烦恼:为了省打印费,把文档转成灰色,再发到表单里,结果表单以“文件里没有文字”为由拒收。原因是转成灰度会把页面重新绘制为图片。如果文件既要送去打印店,又要提交到表单,就分别准备两个版本。
签名那一行解释了另一个烦恼:加上签名后,文档属性中的标题和关键词会消失,只剩下作者和主题,签名说明会被追加到主题里。
文档属性会随文件一起带走
标题、作者和关键词保存在 PDF 内部,几乎所有操作都会把它们原样带过去。收件人可以在文档属性中看到这些内容,而里面经常出现不该出现的东西:制作文件的员工姓名、类似“法务审核草稿”的内部工作标题,或者某个人磁盘上的文件夹路径。
Word 等编辑器会根据账号设置自动填写这些字段。用户从来没有见过它们,所以也想不到它们的存在。
可以通过设置 PDF 元数据 在线,并开启“清除现有内容”选项来清除。这一步放在最后或倒数第二步:清理之后再做任何操作,都会把已经清空的字段继续带下去;但如果换成重新导出的新文件,所有信息都会回来。
裁剪只是隐藏,并不删除
发送之前还有一件事值得了解。裁剪页面只会改变可见区域:PDF 并排保存着两个矩形,一个是纸张的物理尺寸,一个是其中可见的部分,裁剪修改的是后者。
边界之外的内容并没有消失。它仍留在文件里,可以通过复制文字取出,在任何完整的编辑器中重置裁剪后,也会重新显示在屏幕上。
对于需要去除个人信息的文档,裁剪完全是错误的工具。你需要的是选择黑色或白色样式的PDF 涂黑 在线:这两种样式会真正擦除矩形下方的内容。模糊样式不是为删除而设计的,它自己的警告里也这样说明。
提前去掉密码
设置了打开密码的文档,表单和大多数文档管理系统都会拒收:它们无法读取内容,也就无法检查。这类保护可以通过解锁 PDF 在线去掉,需要输入密码。
限制打印和复制的所有者密码不会妨碍处理,但个别要求严格的系统也会拒绝:它们需要提取文字,而复制限制在形式上禁止这样做。如果表单没有给出合理的理由就拒收,而文件看上去又没问题,不妨检查一下这项限制。
没有人告诉你要求时
有时表单什么也没解释,客服要一周后才回复。这种情况下,不要靠猜,用一组几乎到处都能被接受的参数。
用一个文件,而不是一堆文件。页面格式用 A4 或 Letter,每一页保持一致。大小控制在 10 MB 以下:低于这个值,几乎没有表单会有意见,用邮件发送也很宽裕。带有文字层。没有密码。页面按阅读顺序排列,没有一页是横躺着的。
这样的文件在银行、大学和政府门户网站都能通过。如果某项具体要求更严格,拒绝提示会告诉你,到时需要改的只是一个小地方,而不用从头重做。
发送前如何检查文件
三项检查,每项只需几秒,各自能发现不同的错误。
用不同于制作文件的另一个程序打开文件。浏览器和桌面阅读器显示旋转过的页面时可能不一样,因为旋转是作为单独的页面属性保存的,而不是对内容本身的旋转。最好在自己的屏幕上就发现这种差异。
用鼠标选中一行文字。这就是文字层检查,和自动化系统执行的是同一项检查。
打开文档属性。标题和作者都在那里,还有页数和大小。页数值得与你的预期对照一下:合并时混进来的多余页面,恰恰在这里最容易被发现。
如何把文件准备好
1. 如果文档是分成几部分的,先把整个文档合并起来。 2. 调整页面:顺序、旋转,以及不该出现的页面。 3. 如果是扫描件,用OCR PDF 在线识别文字。 4. 如果文件要发到公司外部,清除文档属性。 5. 用压缩 PDF 在线压缩,并确认大小符合表单的限制。 6. 如果压缩之后仍然超限,用拆分 PDF 在线拆分文档,分成几份发送。 7. 在另一个程序中打开成品文件,执行上面的三项检查。
作者
由服务团队编写;Sergey Gagin 负责本服务
常见问题
该专题的更多内容
相关工具
在线压缩 PDF
减小 PDF 的大小,方便发邮件或上传到表单。选择预设或目标大小,分享前先检查清晰度和最终文件大小。
在线PDF OCR 文字识别
OCR 识别结果可能有误,尤其是低清晰度扫描、手写内容或复杂版面。请校对关键文字。
设置 PDF 元数据
设置或修改 PDF 元数据(标题、作者、主题和关键词),让文档更便于整理。
在线涂黑 PDF 敏感信息
在 PDF 文件中遮盖个人信息和机密内容,应用编辑功能,并在共享前检查下载的副本。一个实际应用场景是准备身份证扫描件、声明或合同,同时避免泄露不必要的个人数据。