电脑基础 · 2023年3月26日

PDFBox 优化内存方案

前言

版本基于2.0.27

最近使用pdfbox 导入发现内存使用占用特别高,通过查阅官方资料发现pdfbox 在处理一些复杂的pdf 消耗内存特别高,这个是没法避免的,内存设置小的很有可能导致内存溢出。但它提供了一些可以减少内存使用的方案。具体代码就不写了,我从几个维度罗列一下。给大家使用pdfbox 后期做优化参考。

具体方案

让PDF文件临时存放在硬盘,减少内存使用

PDDocument doc = PDDocument.load(stream, MemoryUsageSetting.setupTempFileOnly()

自定义DefaultResourceCache

这个默认使用的软引用如图:软引用是在内存即将溢出才会回收,所以也会生命周期会一直占用内存
PDFBox 优化内存方案
咱们自定义不需要实现即可或者使用虚引用
PDFBox 优化内存方案

允许下采样

下采样实际上就是缩小图像,主要目的是为了使得图像符合显示区域的大小,生成对应图像的缩略图所以也会减少内存使用

PDFRenderer renderer = new PDFRenderer(doc);
renderer.setSubsamplingAllowed(true);

使用带压缩imageio工具类、降低分辨率

org.apache.pdfbox.tools.imageio

			//100 越低内存越少 分别率也降低 看实际业务 太低转换图片像素低
  			BufferedImage image = pdfRenderer.renderImageWithDPI(i, 100);
            ByteArrayOutputStream bs = new ByteArrayOutputStream();
            ImageIOUtil.writeImage(image,"png",bs);

最基础各种流使用完关闭

样例文件在我文件资源中

该文件典型属于文件不大但是转换起来特别吃内存,因为文件复杂。
最后建议多看看PDFBox 官网 它有一些本身Bug 修复以及优化。及时更新自己项目中。目前正在发行的是3.0版本

参考地址

https://github.com/apache/pdfbox
https://pdfbox.apache.org/