Question

我需要将许多小pdf文件合并为一个大pdf（~200G）。而且我找不到可以在不吃掉所有记忆的情况下完成它的库/工具。

我观看了itext，pdfbox，pdftk。但似乎所有这些都将文件存储在内存中。根据pdf文件结构，应该很容易顺序地输入文件流并写入结果文件，只保留在内存中的外部参照表。

我用来测试iText的代码。对于每个下一个文件，它会消耗越来越多的内存：

public static void MergePDFs(String[] fileNames, String targetPdf) throws IOException, DocumentException {
    FileOutputStream stream = new FileOutputStream(targetPdf);
    Document document = new Document();
    PdfCopy pdf = new PdfCopy(document, stream);
    PdfReader reader = null;
    document.open();
    for (String file : fileNames) {
        reader = new PdfReader(file);
        pdf.addDocument(reader);
        pdf.freeReader(reader);
        reader.close();
    }
    if (reader != null) {
        reader.close();
    }
    document.close();
    stream.close();
}

Answer 1

一种策略是合并10个文件的组，然后合并中间文件。根据需要采取尽可能多的中间步骤。例如：

步骤0：1页的1000个文件
第1步：100页10页文件
第2步：10页100页
第3步：1页1000页

没有固定的规则，我说10但是对你来说最佳解决方案是每8或每14，你必须进行实验。

理论上，您甚至可以在不同的计算机上并行运行中间步骤，这可以显着加快合并速度，但需要更多硬件。

我的回答是通用的，适用于任何pdf库，但在iText Software，我们做了一项研究，表明这种策略更快，耗费更少的内存。

如何在没有内存消耗的情况下进行流式PDF合并？

1 个答案: