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。

这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，如下所示：

'AudioTracks
    Set oAudioNodes = featureNode.SelectSingleNode("videos/video/AudioTracks")

    For i = 0 To oAudioNodes.ChildNodes.Length
          sAudio = oAudioNodes.ChildNodes.Item(i).nodeTypedValue & ";" & sAudio
    Next

    sAudio = Left(sAudio, Len(sAudio) - 1)
    ActiveSheet.Cells(intRow, colAudioTracks).Value = NullCheck(sAudio)
    sAudio = ""
    sRawData = ""

这会将缓冲内存使用设置为仅使用大小不受限制的临时文件（无主内存）。

更新17.4.2018：FAQ中描述了更多节省内存的技巧。尚未描述但有效，因为2.0.9在进行渲染时使用PDDocument doc = PDDocument.load(file, MemoryUsageSetting.setupTempFileOnly());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。

PDFBox：使用非常大的PDF。

1 个答案: