java - PDFBox:处理非常大的 PDF。

Question

我正在处理一些非常大的 PDF，其中一些超过 7GB。 PDF 有多达 20,000 页和许多整页彩色图像。我想使用 PDFBox 来处理 PDF，但由于大小的原因，当我尝试打开 PDF 时出现 OutOfMemoryError。

我正在使用 pdfbox-app-1.6.0 版本，在 Windows 7 上使用 Intellij，java 6。

首先，我尝试编写一个简单的程序，它只是在 PDDocument 中打开 PDF 并将每一页复制到另一个 PDDocument:http://ideone.com/arKhB

接下来我尝试使用 PDFBox CopyDoc示例。

两个例子都耗尽了内存。

我假设这是因为 PDFBox 正在尝试将整个文档读入内存。有没有办法让它一次只打开一页？我知道这样处理会更慢，但目前我无法处理任何事情。

Answer 1

在 2.0.* 版本中，像这样打开 PDF:

PDDocument doc = PDDocument.load(file, MemoryUsageSetting.setupTempFileOnly());

这将设置缓冲内存使用以仅使用大小不受限制的临时文件(无主内存)。

2018 年 4 月 17 日更新:FAQ 中描述了更多节省内存的技巧。 .尚未描述但处于 Activity 状态，因为 2.0.9 在进行渲染时使用 PDFRenderer.setSubsamplingAllowed(true) 进行子采样(跳过像素行/行)。这为包含大量图像文件的 PDF 文件节省了空间。