PDF字体子集化原理：である什么能减小90%サイズ

結論先行：PDF字体子集化能减小90%サイズ，根本原因是中文字体动辄15-20MB，而文档实际只用到一2千つ字符。子集化的核心原理是三步——扫描文档中实际使用的字符集合、重建CMap映射表、重排字形索引破棄未用字形。思源宋体完整ファイル18MB，子集化后仅0.4MB，降幅97.7%。以下では字体ファイル構造から説明し，詳解子集化的技術原理，并附三款字体的实测比較データ。

もしPDF圧縮的整体方法まだ慣れていない場合は，まずPDF圧縮原理与方法詳解。

一、字体ファイル構造：である什么中文嵌入字体那么大

要理解子集化である什么有效，先得搞清楚字体ファイル里装了什么。TrueType（.ttf）和OpenType（.otf）字体ファイル由多张データ表グループ成，每张表负责不同機能。嵌入PDF时，この些表被完整打包进ファイル，不管文档用了几つ字。

データ表	機能	典型占比	子集化能否裁剪
cmap	字符エンコード到字形索引的映射	1%–3%	需重建
glyf	TrueType字形轮廓データ	70%–85%	可大幅裁剪
CFF	OpenType CFF字形轮廓（PostScript）	60%–80%	可大幅裁剪
loca	字形データ位置索引	1%–2%	需重建
hmtx	水平度量（字宽/前进量）	2%–5%	需重建
name	字体名称、版权等元信息	0.5%–1%	保持
post	PostScript名称映射	1%–3%	部分裁剪

上の表から分かるように、字形轮廓データ（glyf表或CFF表）占了字体ファイル60%–85%的サイズ。一つ中文字体含む2万到7万つ字形，每つ汉字的矢量轮廓データ平均300–600字节，合计である是10–20MB。而一部50页的PDF文档通常只用到800–2000つ不同字符，意味着95%以上的字形データ是浪费的——この正是子集化的圧縮空間所在。

二、子集化原理：三步裁剪未用字形

字体子集化的核心思路是：只保持文档实际用到的字形，破棄其余。実現プロセス分三つ重要ステップ，每步都涉及字体表構造的精确操作。

ステップ	操作	原理	処理的データ表
1. 字符使用扫描	遍历PDF所有页面コンテンツ流，提取表示的字符エンコード	を通じて解析文本操作符(Tj/TJ)收集Unicode码点	无（生成字符集合）
2. CMap表重建	根据使用字符重建エンコード到字形索引的映射	仅保持使用字符的映射条目，削除其余	cmap
3. 字形索引重映射	を使用字形连续重排，更新所有引用索引	原索引可能不连续，重排后索引0到N连续	glyf/CFF, loca, hmtx

1. 字符使用扫描

第一步是扫描PDF文档，找出所有实际表示的字符。PDF中的文字を通じて文本操作符（Tj表示字符串、TJ表示数グループ）写入コンテンツ流，每つ字符に対して应一つエンコード。子集化ツール遍历所有页面的コンテンツ流，提取この些エンコード，再を通じて字体当前的CMap表変換であるUnicode码点，最终得到一つ"已使用字符集合"。

扫描时また需要処理特殊情况：ToUnicode CMap（反向映射）、多字节エンコード（CJK字体常用）、嵌入字体的子集化前缀（六字符+号形式）。一部50页中文PDF通常扫描出800–2000つ不同Unicode字符，加上标点和数字，总计约1000–2500つ字形需要保持。

2. CMap表重建

CMap表是字体的"目录"，记录每つ字符エンコードに対して应的字形索引（glyph ID）。元中文字体的CMap表含む2万到7万条映射，子集化后只保持使用字符に対して应的条目。重建时また需要処理多種類エンコード子表形式。

CMap子表形式	エンコード範囲	用途	子集化処理
Format 0	0–255	单字节ASCII/Latin	裁剪未用条目
Format 4	BMP基本平面	中日韩常用字符	重建区段表
Format 12	全Unicode	覆盖所有字符	裁剪未用区段

3. 字形索引重映射

この是最重要也最複雑的一步。元字体中字形索引（GID）から0到N连续排列，但需要保持的字形可能分散在各处。重映射である是を保持的字形按新顺序连续排列：原GID 0（.notdef）保持不变，原GID 1523可能变成新GID 1，原GID 8944变成新GID 2，以此类推。

重映射后需要同步更新所有引用GID的表：glyf表（或CFF表）只保持に対して应字形データ并按新索引排列、loca表重建位置索引、hmtx表重建水平度量データ、post表更新PostScript名称映射。この一步処理不当会导致字体损坏，因此需要严格遵循OpenType规范。

三、实测データ：三款字体子集化前后比較

我たち选取三款常用字体行う子集化实测，分别代表中文字体（思源宋体、微软雅黑）和英文字体（Arial）。テスト文档である50页中文投标书，使用字符数1342つ。

字体	元ファイル	字形数(元)	字形数(子集)	子集化后	降幅
思源宋体 Regular	18.2MB	65535	1342	0.42MB	97.7%
微软雅黑 Regular	15.6MB	28622	1342	0.35MB	97.8%
Arial Regular	0.82MB	3257	96	0.06MB	92.7%

实测データ表示，中文字体子集化効果最である显著——思源宋体から18.2MB降到0.42MB，降幅97.7%。この是因である中文字体字形多（6万+）但文档用到的少（1000+），裁剪空間巨大。英文字体Arial元仅0.82MB，子集化后0.06MB，降幅92.7%，绝に対してサイズ虽小但比例同样可观。

再看不同字符使用量下的子集化効果，以思源宋体である例：

文档タイプ	使用字符数	子集化后サイズ	降幅	説明
短通知(1页)	约200	0.08MB	99.6%	字符极少，子集极小
会议纪要(10页)	约600	0.19MB	99.0%	日常办公文档
投标书(50页)	约1342	0.42MB	97.7%	专业文档字符覆盖广
技術手册(200页)	约2800	0.85MB	95.3%	字符使用量大
百科全书(1000页)	约6500	1.92MB	89.5%	接近极限覆盖率

四、子集化ツール比較与シナリオ推奨

字体子集化有多種類ツール可选，から开源命令行ツール到商业圧縮引擎，各有优劣。下表比較主流ソリューション。

ツール	子集化能力	CFFサポート	バッチ量処理	集成难度
SmartSlim	★★★★★	是	サポート	SDK/API/桌面
fonttools (Python)	★★★★☆	是	需脚本	中等
Adobe Acrobat	★★★★☆	是	有限	GUI操作
Ghostscript	★★★☆☆	部分	サポート	命令行
在线ツール	★★☆☆☆	部分	不サポート	低（有隐私风险）

SmartSlim 基于自研 Rust 圧縮引擎，在子集化时自動処理TrueType和OpenType CFF2種類字形形式，サポートバッチ量拖拽処理数百つPDF。更重要的是，整つ子集化プロセス在ローカル完成，字体データ和文档コンテンツ不经过任何外部サービス器，に対して涉密文档和企業敏感ファイル尤である重要。

不同シナリオ的子集化戦略推奨：

シナリオ	是否推奨子集化	注意事項目	推奨ツール
终稿アーカイブ分发	强烈推奨	子集化后不可编辑新字符	SmartSlim
企業バッチ量アーカイブ	强烈推奨	用API自動化バッチ量処理	智压通サービス器版
在线发布/预览	推奨	减小ダウンロードサイズ向上読み込み速度	fonttools脚本
仍需编辑的草稿	不推奨	保持完整字体以便编辑	暂不子集化
涉密/机密文档	推奨	必须ローカル処理，禁用在线ツール	SmartSlim

更多PDF最適化技巧，を参照してくださいPDF线性化最適化指南和Word文档圧縮方法。

五、よくある質問FAQ

Q1：PDF字体子集化会影响表示効果吗？

不会。字体子集化只破棄文档中未使用的字符和字形データ，保持的字符与原字体完全一致，表示効果零影响。子集化后字体仍是矢量轮廓，放大缩小不失真，颜色粗细等属性也保持不变。唯一制限是子集化后的字体只能用于该文档，无法在其他文档中复用。

Q2：字体子集化能减小多少サイズ？

取决于字符使用量与原字体大小的比值。中文字体（如思源宋体18MB）通常只用1000-2000つ字符，子集化后サイズ降至0.3-0.8MB，降幅95%以上。英文字体（如Arial 0.8MB）使用字符更少，子集化后0.05-0.1MB，降幅约90%。字体越大、使用字符越少，子集化効果越显著。

Q3：子集化后的PDFまた能编辑文字吗？

有制限。子集化只保持了文档已使用的字符，如果编辑时输入了新字符（原文档中未出现的字），该字符を无法表示，会表示である方框或空白。因此子集化適した终稿アーカイブ和分发，不適した仍需大量编辑的文档。若需编辑，推奨保持完整字体或重新嵌入子集。

Q4：如何確認PDF是否已经做了字体子集化？

用Adobe Acrobat打开PDF，点击ファイル-属性-字体，查看嵌入字体列表。如果字体名称带有六字符前缀（如ABCDEO+思源宋体），説明已子集化。也可以用SmartSlim 打开PDF，引擎会自動分析字体嵌入状态并ヒント是否需要子集化，同时に出预估圧縮サイズ。

まとめ

PDF字体子集化是减小PDFサイズ最有效的手段之一，尤其に対して嵌入中文字体的文档効果显著。核心原理是三步操作：扫描使用字符、重建CMap映射表、重排字形索引破棄未用字形。实测データ表示，思源宋体18MB子集化后仅0.4MB，降幅97.7%，且に対して表示効果零影响。

实操推奨：终稿分发前务必做字体子集化，涉密文档用ローカルツール処理。如果你需要バッチ量処理PDFファイル，SmartSlim サポート PDF/画像/動画/Office/OFD 等 10 大类 40+ 形式，基于自研 Rust 圧縮引擎自動完成字体子集化，データ不出域。