提取PDF

Question

我花了很多时间在这上面。 我有一个应用程序从许多文档和pdf中提取文本，并将提取的信息放在一个简单的Access数据库中。我控制它是一个Swing界面。它有很大的内存泄漏。

终于使用了IBM HeapSpaceAnalyzer我发现大部分堆都被来自库的实例占用了我使用调用pdfbox

我在代码中取消了所有哈希和数组，而对pdfbox

没有影响

我见过其他有类似堆空间问题的人，并且有人建议PDFFont.clearResources（）是有用的 - 但它对我没有好处 - 我通常在处理一个文档时把它放进去但无论如何，堆都会维护这些引用。

如果我单独离开应用程序而没有处理一段时间，我会得到一种稍微不同的内存泄漏：

无论哪种方式，pdfBox似乎都在泄漏，我不认为增加堆空间使用会起作用。有谁知道如何清除pdfBox的引用？它似乎泄漏了。