跳到正文
文章

如何为表单或网站上传准备好 PDF

准备好的 PDF,就是能通过对方自动检查的 PDF。本文说明这些检查实际是什么、操作该按什么顺序执行,以及每项操作会让文档失去什么。

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.

5 篇文章

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

关于本项目

常见问题

检查的是文件内容,而不是名称:PDF 是通过开头几个字节中的签名识别的。其次是大小,然后越来越多地会检查是否存在文字层。扩展名和文件名在这些检查中不起任何作用。
会。几乎所有操作都会保留文档属性:压缩、合并、删除页面、旋转都是如此。要清除它们,需要用设置 PDF 元数据再处理一次,并开启“清除现有内容”选项。
裁剪只会改变页面的可见区域,范围之外的内容仍保留在文件里,重置裁剪后就会重新出现。要真正去除,需要使用黑色或白色样式的 PDF 涂黑功能。
不需要。基本流程无需创建账号即可使用。
文件只用于你所选择的操作,处理完成后会自动删除。我们不会使用上传的文档来训练 AI 模型。

该专题的更多内容

相关工具

← 全部优化工具

接下来做什么

阅读之后,如需了解下一步怎么做或服务的相关信息,请打开以下页面。

全部工具

PDF 工具目录:在浏览器中合并、压缩、拆分、转换、旋转、保护和解锁 PDF 文件,无需安装任何软件。

常见问题

查看有关 iHatePDF 账号、文件处理、上传限制、手机使用、隐私,以及 PDF 工具报错时该怎么办的解答。

联系我们

如有处理错误、工具选择、安全问题、商务合作或新功能建议,欢迎联系 iHatePDF。联系时请简要说明遇到的问题和使用的工具。