PDF 压缩

在文档解析前压缩 Catalog 中的 PDF,再将输出交给后续节点。适合包含较多页面图片的扫描件或图册;压缩后的内容仍需检查可读性。

配置节点

在工作流节点面板的智能处理中选择PDF 压缩,直接选择 Catalog 文件,或绑定读取 MOI 卷的来源输出。

配置

说明

文件

选择单个或多个 Catalog 文件;上游来源可绑定到 sources。

清晰度 quality

high、medium 或 low,默认 high。较低档位会降低图片清晰度,需特别检查小字、印章和表格线。

目标体积 target_bytes

单位为字节,默认 0,表示不指定目标。它是处理目标,不保证结果一定达到该体积。

输入使用来源、多个文件 ID 或单个文件 ID 中的一种方式。这里传入文件引用,不是已经解析好的文档正文。

连接后续解析

读取 MOI 卷 → PDF 压缩 → 文档解析 → 分段
  1. 选择一份扫描 PDF,将读取节点的 sources 绑定到 PDF 压缩的来源输入。

  2. 先保持高清晰度,目标体积留为 0。

  3. 将压缩节点输出的 sources 绑定到文档解析的来源输入。

  4. 运行后检查压缩台账、文件体积和预览,再检查解析后的正文、表格和页码。

下游使用压缩节点返回的来源引用。不要继续绑定最初读取节点的文件,否则后续解析仍会读取原输入。

检查结果

输出

用途

sources

后续解析所使用的文件来源。

files

逐文件压缩台账,可核对原文件与返回文件、原始和处理后体积、压缩策略及是否达到目标。

summary

本次处理的汇总信息。

非 PDF 文件和无法变小的文件会原样传递,不应仅凭节点成功就认定每个文件都已压缩。设置目标体积后,还应检查台账中的 target_met;未指定目标时,该值不表示压缩失败。

压缩可能重编码页内图片。需要保留细节用于 OCR 或信息提取时,先用一份典型文件核对效果,再处理其余文件。

最后更新于