Apache PDFBOX - 使用拆分时获取 java.lang.OutOfMemoryError（PDDocument 文档）答案

【问题标题】：Apache PDFBOX - getting java.lang.OutOfMemoryError when using split(PDDocument document)Apache PDFBOX - 使用拆分时获取 java.lang.OutOfMemoryError（PDDocument 文档）
【发布时间】：2016-07-04 15:30:07
【问题描述】：

我正在尝试使用 Apache PDFBOX API V2.0.2 拆分一个包含 300 页的文档。尝试使用以下代码将 pdf 文件拆分为单页：

        PDDocument document = PDDocument.load(inputFile);
        Splitter splitter = new Splitter();
        List<PDDocument> splittedDocuments = splitter.split(document); //Exception happens here

我收到以下异常

Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded

这表明 GC 需要花费大量时间来清除不符合回收量的堆。

有很多 JVM 调优方法可以解决这种情况，但是，所有这些都只是治标不治本。

最后一点，我使用的是 JDK6，因此在我的情况下使用新的 java 8 Consumer 不是一个选项。谢谢

编辑：

这不是 http://stackoverflow.com/questions/37771252/splitting-a-pdf-results-in-very-large-pdf-documents-with-pdfbox-2-0-2 的重复问题：

1.我没有前面提到的尺寸问题话题。我正在切片一个 270 页的 13.8MB PDF 文件，切片后每个切片的大小平均为 80KB，总大小为 30.7MB。 2.Split在返回拆分部分之前就抛出异常。

我发现，只要我不传递整个文档，拆分就可以通过，而是将其作为“批次”传递，每个 20-30 页，这样就可以了。

【问题讨论】：

2.0.2 中的已知错误，在修复之前使用 2.0.1。
您是否按照 Tilman 的建议尝试过以前的版本？
我对版本号有限制@GeorgeGarchagudashvili
我没有同样的问题，我没有尺寸问题，也没有随机异常问题。

标签： java pdfbox

【解决方案1】：

PDF Box 将拆分操作产生的部分作为 PDDocument 类型的对象存储在堆中作为对象，这导致堆被快速填充，即使在循环中的每一轮之后调用 close() 操作，仍然GC 将无法以与填充相同的方式回收堆大小。

一种选择是将文档拆分操作拆分为批次，其中每个批次是一个相对易于管理的块（10 到 40 页）

public void execute() {
    File inputFile = new File(path/to/the/file.pdf);
    PDDocument document = null;
    try {
        document = PDDocument.load(inputFile);

        int start = 1;
        int end = 1;
        int batchSize = 50;
        int finalBatchSize = document.getNumberOfPages() % batchSize;
        int noOfBatches = document.getNumberOfPages() / batchSize;
        for (int i = 1; i <= noOfBatches; i++) {
            start = end;
            end = start + batchSize;
            System.out.println("Batch: " + i + " start: " + start + " end: " + end);
            split(document, start, end);
        }
        // handling the remaining
        start = end;
        end += finalBatchSize;
        System.out.println("Final Batch  start: " + start + " end: " + end);
        split(document, start, end);

    } catch (IOException e) {
        e.printStackTrace();
    } finally {
        //close the document
    }
}

private void split(PDDocument document, int start, int end) throws IOException {
    List<File> fileList = new ArrayList<File>();
    Splitter splitter = new Splitter();
    splitter.setStartPage(start);
    splitter.setEndPage(end);
    List<PDDocument> splittedDocuments = splitter.split(document);
    String outputPath = Config.INSTANCE.getProperty("outputPath");
    PDFTextStripper stripper = new PDFTextStripper();

    for (int index = 0; index < splittedDocuments.size(); index++) {
        String pdfFullPath = document.getDocumentInformation().getTitle() + index + start+ ".pdf";
        PDDocument splittedDocument = splittedDocuments.get(index);

        splittedDocument.save(pdfFullPath);
    }
}

【讨论】：