扫描件的格式选择：TIFF、JPEG、PDF 各自的定位
档案数字化项目立项，技术方案里必有一行“存储格式”，候选名单通常就是三位：TIFF、JPEG、PDF。看似只是文件后缀的区别，实际决定了三件大事：扫描件能存多少年、占多少空间、好不好用。选错了格式，轻则存储费用翻几倍，重则不符合归档要求整批返工——而档案行业对这件事是有国家标准依据的，DA/T 31《纸质档案数字化规范》对扫描存储格式有明确规定。这篇文章把三种格式的定位一次讲清。
一、先搞清楚：存储格式决定什么
扫描仪吐出来的是图像，用什么格式存，决定了：
- 保真度：压缩会不会丢信息？丢的信息还能不能要回来？
- 存储成本：一份 A4 文档扫描件，从几百 KB 到几十 MB 不等，百万页级项目差出一个数量级的硬盘和存储预算；
- 利用便利：能不能全文检索、能不能多页合并、能不能直接打印；
- 合规性：档案归档、电子证据、出版印刷，各有各的格式要求，不合规矩的成果验收过不了。
三种主流格式对应三种不同的哲学：TIFF 保真、JPEG 省空间、PDF 好管理。
二、TIFF：归档保存的“底片”
TIFF（标签图像文件格式）最大的特点是支持无损压缩：压缩后能完整还原每一个原始像素，不丢任何细节。在档案数字化领域，它是长期保存的首选，DA/T 31 即要求档案数字化成果一般采用 TIFF 等通用格式存储，就是为了保证几十年后打开，图像仍与原件一致。
TIFF 的适用场景：
- 需要长期保存的档案原件：文书档案、古籍、图纸——这些材料的扫描件是“替代原件”的存在，一旦原件销毁或老化，数字版就是唯一依据，必须无损；
- 还要二次加工的材料：后续要做精细 OCR、图像修复、出版印刷的，源图必须无损，有损压缩造成的细节损失不可逆；
- 法律留痕场景：涉及证据效力的扫描件，无损格式是“未经过技术处理”的技术背书。
代价是体积巨大：一张 300 DPI 彩色 A4 的 TIFF 无损文件可达 20—50MB，百万页项目轻松上百 TB。所以 TIFF 的定位是“底片”——存起来、少动它，日常利用靠下面的格式。
三、JPEG：压缩利用的“消耗品”
JPEG 是有损压缩：通过丢弃人眼不敏感的图像细节换取体积骤减，同等扫描件体积只有无损格式的十分之一甚至更小。
关键在有损的定位：
- 压缩质量参数调高（如 90% 以上），印刷清晰的文字件肉眼几乎看不出差异，日常查阅完全够用；
- 但压缩是不可逆的——细节丢了就是丢了，反复编辑保存还会累积损伤；
- 字迹较浅、印章密集、需要精细辨认的材料，有损压缩可能让本就模糊的信息进一步丢失。
所以 JPEG 的正确定位是利用格式：从 TIFF 底片转出一份压缩副本供日常调阅、在线浏览、普通打印，既省存储又保住原底。“TIFF 存档 + JPEG 利用”是档案数字化的经典组合。
四、PDF：管理与分发的“容器”
PDF 与前两者的本质区别：TIFF、JPEG 是图像格式，一页一个文件；PDF 是文档容器，能把成百上千页、文字层、书签、目录、元数据装进一个文件。
在扫描件场景里，PDF 扮演三个角色：
多页组织：一份 200 页的案卷扫成 200 个 TIFF 是灾难，合成一个 PDF 才符合“一份案卷一个文件”的管理逻辑。带书签目录的 PDF 能直接跳转到指定页。
双层 PDF（可检索 PDF）：图像层放扫描图像保证保真，文本层放 OCR 识别结果支持全文检索——这是目前档案、合同、论文扫描件最主流的交付形态，兼顾“看原样”和“能检索”。
PDF/A 归档版本：PDF/A（ISO 19005 系列标准）是专为长期归档设计的 PDF 子集，要求自包含、禁用外部依赖和不可控特性。需要移交综合档案馆或做长期数字保存的项目，验收标准常指定 PDF/A。
一句话总结三者关系：TIFF 是底片、JPEG 是复印件、PDF 是装订成册的案卷。
五、实战决策：四步选格式
第一步：材料要不要长期保存？ 要——必须有无损底版（TIFF 或 PDF/A 配无损图像）；不要（纯临时利用、短期项目）——JPEG/PDF 直接交付，省钱省空间。
第二步：后续还要不要加工？ 还要 OCR、结构化、印刷复用——保 TIFF 源；一次性扫描交付——PDF/JPEG 即可。
第三步：验收标准写的是什么？ 政务、档案类项目看 DA/T 31 及地方规范，出版印刷看印刷级分辨率要求，电子证据看取证规范——先读验收条款再定格式，不是反过来。
第四步：预算撑不撑得住存储？ 无损存档的存储成本要做三年五年账：介质、备份副本（通常两套三套）、机房或云存储费用。预算有限时，可按价值分级：永久保存的核心档案全量 TIFF，普通利用级材料降参数、用压缩格式。
六、常见误区提醒
- “都用 PDF 不就行了”：把 JPEG 塞进 PDF 并不会变无损——容器是无辜的，里面的图像格式才是关键。归档级 PDF 内嵌的必须是未压缩或无损压缩图像；
- “分辨率越高越好”：600 DPI 扫普通 A4 文书纯属浪费，体积翻四倍、速度翻四倍、质量没变化。200—300 DPI 覆盖绝大多数文字材料，只有小字号、精细图纸、缩微胶片才需要更高；
- “压缩一点没关系”：对要辨认手写字迹、印章底纹的材料，有损压缩的细节损失可能恰好丢掉关键信息。压不压、压多少，按材料类型分策略，不要一刀切。
七、总结
TIFF 无损保真是归档底片，JPEG 有损压缩是利用副本，PDF 是组织多页、挂文本层、可检索的交付容器，PDF/A 专司长期归档。决策四步走：是否长期保存定底版、是否二次加工定源格式、验收标准定合规要求、存储预算定分级策略。经典组合是“TIFF 存档 + JPEG 利用 + 双层 PDF 交付”，底片不动、副本流通，一套材料三种形态各司其职。
一句话总结：扫描件格式三驾马车各司其职——TIFF 无损做归档底片，JPEG 压缩做利用副本，PDF 容器做多页管理与可检索交付（归档选 PDF/A）；按保存期限、二次加工需求、验收标准、存储预算四步决策，常用“TIFF+JPEG+双层 PDF”组合交付。
关于我们
本文由 北京海天雷鹰科技有限公司 整理发布。
公司成立于 2001 年，专注档案整理与数字化、试题结构化录入、期刊校对、数据标注等一站式数据服务 20 余年。针对标准文档形近字符识别、复杂公式排版、多层级档案规整、题库结构化加工等行业难点形成成熟作业方案，适配科研院所、教育机构、企事业单位的批量数据处理需求。
累计完成数十万份专业文档数字化、题库结构化加工项目，服务过多家科研机构、院校及企事业单位。核心团队 20 年以上行业经验，建立多层级质检审核机制，数据成果准确率稳定可控；持有 ISO 9001/27001 等体系认证、多项自主软件著作权、企业信用 AAA 等级。
如果您有档案数字化、试题录入、数据标注、EPUB电子书等方面的需求，欢迎联系我们：
- 电话：010-84907553
- 邮箱：736232918@qq.com
- 官网：www.beijingocr.com
本文为原创科普内容，如需转载请注明出处。关注我们，持续分享数据服务行业的实战经验与行业洞察。