【发布时间】:2012-07-03 08:21:20
【问题描述】:
我正在处理一些非常大的 PDF,有些超过 7GB。 PDF 有多达 20,000 页和许多全页彩色图像。我想使用 PDFBox 来处理 PDF,但由于我尝试打开 PDF 时出现 OutOfMemoryError 的大小。
我正在使用 Intellij、java 6 在 Windows 7 上使用版本 pdfbox-app-1.6.0。
首先,我尝试编写一个简单的程序,在 PDDocument 中打开 PDF,然后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。
两个示例都内存不足。
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一页?我知道它的处理速度会变慢,但目前我无法处理任何东西。
【问题讨论】:
-
可能会将 pdf 文件拆分为一个列表并遍历该列表并一次读取一定数量的页面。
-
@DNA - 感谢您的链接。在发布之前,我检查了所有用 PDFBox 标记的问题,但在我的搜索中错过了那个问题。
-
@Pengo 你有没有找到解决这个问题的方法?从理论上讲,您可能只是使用 -Xmx20000M 或更多来增加内存使用量,并使用虚拟内存或安装更多。我有小得多的 PDF,它们在保存操作期间使用 20 GB 内存。有人告诉我没有办法避免这种情况,只是图书馆的问题。