PDFBox:使用非常大的PDF.

Question

我正在使用一些非常大的PDF,一些超过7GB.PDF包含多达20,000页和许多整页彩色图像.我想使用PDFBox来处理PDF,但由于我在尝试打开PDF时出现OutOfMemoryError的大小.

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

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

接下来我尝试使用PDFBox CopyDoc示例.

两个例子都没有内存.

我假设这是因为PDFBox试图将整个文档读入内存.有没有办法让它一次只打开1页？我知道处理速度会慢一些,但目前我无法处理任何事情.

Answer 1

在2.0.*版本中,打开PDF如下:

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

这将设置缓冲内存使用仅使用大小不受限制的临时文件(无主内存).

更新17.4.2018:常见问题解答中描述了更多节省内存的技巧.尚未描述但是自2.0.9以来是有效的是PDFRenderer.setSubsamplingAllowed(true)在进行渲染时进行子采样(跳过像素行/行).这为拥有巨大图像文件的PDF文件节省了空间.