200份学历证书PDF传不上去？让AI写个脚本，30秒全部瘦身

老登的懒人办公 · 每篇都是能直接抄走的 AI 办公方案

上周五下午，人事的同事在群里急了：报送系统单个附件限 2MB，可扫描仪出来的学历证书 PDF 一份就是 7、8MB，200 多份，手动在线压缩网站一次只能传一个，还要排队、还要下广告弹窗。

她问：“有没有快点的办法？”

我说：有，但别用手点的办法。让 AI 给你写个脚本。

从描述需求到跑完 200 多份，一共 12 分钟。这篇把脚本完整贴出来，你换个路径就能用。

一、先搞清楚：PDF 为什么这么大？

扫描件 PDF 大，99% 是因为里面塞的是未压缩的图片——扫描仪默认 300dpi 甚至 600dpi 出图，一张 A4 彩扫就是好几 MB。

所以压缩的本质只有两件事：

1. 重采样：把 300dpi 降到 150dpi（人眼几乎看不出差别，文件小 60%+）

2. 重新编码：用 JPEG / deflate 重新压一遍，顺手丢掉 PDF 里的历史版本、垃圾对象

想明白这点，脚本就只有几行。

二、实战一：最基础的批量压缩（30 行搞定）

环境准备，一条命令：

pip install pymupdf

脚本本体，存成 shrink.py：

import fitzfrom pathlib import PathSRC = r"D:\学历证书\原始"      # 改成你的源目录DST = r"D:\学历证书\已压缩"    # 改成你的输出目录Path(DST).mkdir(parents=True, exist_ok=True)for f in Path(SRC).glob("*.pdf"):    doc = fitz.open(f)    out = Path(DST) / f.name    doc.save(        out,        garbage=4,          # 清理无用对象、丢弃历史版本        deflate=True,       # 流压缩        deflate_images=True,        clean=True,         # 清理页面冗余内容    )    doc.close()    print(f"{f.name}  →  {out.stat().st_size/1024:.0f} KB")

跑起来：

python shrink.py

💡 这一步只能压掉“水分”（冗余对象、未压缩的流），对纯图片扫描件大概能压 20%~40%。还想要更小的，看下一节。

三、实战二：直接压到 2MB 以内，超了自动降质

报送系统卡的是大小，不是“压过没有”。所以真正的做法是：设定上限，逐档降采样直到达标。

import fitzfrom pathlib import PathLIMIT = 2 * 1024 * 1024          # 目标上限：2MBdef shrink_to_limit(src, dst, limit=LIMIT):    doc = fitz.open(src)    buf = b""    for dpi in (200, 150, 120, 96, 72):      # 由清晰到模糊逐档试        zoom = dpi / 300                      # 假设原件是 300dpi        mat = fitz.Matrix(zoom, zoom)        tmp = fitz.open()        for page in doc:            pix = page.get_pixmap(matrix=mat) # 按目标 dpi 重新出图            p = tmp.new_page(width=page.rect.width,                             height=page.rect.height)            p.insert_image(page.rect, pixmap=pix)        buf = tmp.tobytes(garbage=4, deflate=True,                          deflate_images=True)        tmp.close()        if len(buf) <= limit:                 # 达标就收工            break    Path(dst).write_bytes(buf)    doc.close()    return len(buf)SRC = Path(r"D:\学历证书\原始")DST = Path(r"D:\学历证书\已压缩")DST.mkdir(parents=True, exist_ok=True)for f in SRC.glob("*.pdf"):    size = shrink_to_limit(f, DST / f.name)    print(f"{f.name}  →  {size/1024:.0f} KB")

我实测的一组数据（30 份示例文件，扫描件，非真实业务数据）：

30 份 42 秒，200 份大概 4~5 分钟，全程不用碰鼠标。

⚠️ 两个坑提醒：1. 先备份原件。脚本是覆盖式输出，别直接压源文件目录。2. 如果 PDF 里是文字版（不是扫描图），不要降采样，实战一就够了，否则文字会糊。

四、实战三：压完顺手出一份清单

压完了总要交差。让脚本顺手生成一份 CSV，一眼看清哪些达标、哪些还是超标：

import fitz, csvfrom pathlib import PathLIMIT = 2 * 1024 * 1024rows = []for f in sorted(Path(r"D:\学历证书\已压缩").glob("*.pdf")):    size = f.stat().st_size    rows.append({        "文件名": f.name,        "大小(KB)": round(size/1024),        "是否达标": "✅" if size <= LIMIT else "❌ 需人工处理",    })with open(r"D:\学历证书\压缩清单.csv", "w", newline="",          encoding="utf-8-sig") as fp:    w = csv.DictWriter(fp, fieldnames=["文件名", "大小(KB)", "是否达标"])    w.writeheader()    w.writerows(rows)bad = sum(1 for r in rows if "❌" in r["是否达标"])print(f"共 {len(rows)} 份，达标 {len(rows)-bad} 份，超标 {bad} 份")

utf-8-sig 是为了让 Excel 打开中文不乱码——这个细节，AI 一般也会主动给你加上。

五、方法论：什么活值得让 AI 写脚本？

写完这个脚本我总结了一条判断标准，三问全中，就别自己手动了：

① 这件事你一年会做 10 次以上吗？

学历/证件报送、月度报表、季度归档——这类“周期性重复”的活，一次性投入 10 分钟写脚本，之后每次 3 秒。手动做 10 次的时间，早就超过写脚本的时间了。

② 规则能不能用一句话说清楚？

“把目录下所有 PDF 压到 2MB 以内”——一句话，AI 就能写对。反之“帮我看看哪些文件要压缩”这种模糊需求，AI 也救不了你。需求越具体，AI 越靠谱。

③ 搞砸了代价大不大？

PDF、图片、表格这类可预览、可回滚的东西，随便试。但涉及真实数据删除、对外发送、财务口径的，脚本跑完一定要人工抽检 3~5 份再放行。我的习惯是：脚本负责批量，人负责签字。

说白了，AI 写脚本真正的价值不是“省了这一次的时间”，而是把你从“操作工”变成“出题人”——你只负责定义“压到 2MB 以内”这个标准，剩下的重复劳动，机器干。

六、没有 Python 环境怎么办？

三个选项，从省事到折腾：

1. 直接把这篇的脚本和需求一起丢给 AI，让它帮你打包成一个 .exe，双击就能跑（它会告诉你用 pyinstaller）

2. 让 AI 给你 PowerShell / 批处理版本，Windows 自带环境，不用装任何东西

3. 找台装了 Python 的电脑跑一次，脚本是通用的，拷走就行

我个人推荐第 1 个：打包一次，全办公室都能用。

写在最后

这套东西真正花时间的，其实只有“描述需求”那 2 分钟。

剩下的 10 分钟，AI 在写代码，你在刷手机。而过去这 10 分钟，你会在一个叫“免费PDF压缩”的网站上，点第 37 次上传。