java - 如何合并多个pdf

Question

我想问一下如何将超过 100k 的 pdf 文件(每个 pdf 文件大约 160 KB)合并为 1 个 pdf 文件？

Tutorial

我已经阅读了本教程，该代码适用于少数 pdf。但是当我尝试 10k pdf 文件时，我收到此错误“java.lang.OutOfMemoryError:超出 GC 开销限制”

我已经尝试使用 -Xmx 或 -Xms，错误变为“java heap space”。

我也在使用“pdf.flushCopiedObjects(firstSourcePdf);”它没有帮助。还是我使用不当？

File file = new File(pathName);
        File[] listFile = file.listFiles();
        if (listFile == null) {
            throw new Exception("File not Found at " + pathName);
        }
        Arrays.sort(listFile, 0, listFile.length - 1);

        PdfADocument pdf = new PdfADocument(new PdfWriter(dest),
            PdfAConformanceLevel.PDF_A_1A,
            new PdfOutputIntent("Custom", "", "http://www.color.org",
                "sRGB IEC61966-2.1", null));

        //Setting some required parameters
        pdf.setTagged();
        pdf.getCatalog().setLang(new PdfString("en-US"));
        pdf.getCatalog().setViewerPreferences(
            new PdfViewerPreferences().setDisplayDocTitle(true));
        PdfDocumentInfo info = pdf.getDocumentInfo();
        info.setTitle("iText7 PDF/A-1a example");

        //Create PdfMerger instance
        PdfMerger merger = new PdfMerger(pdf);
        //Add pages from the first document

        for (File filePdf : listFile) {
            System.out.println("filePdf = " +filePdf.getName());
            PdfDocument firstSourcePdf = new PdfDocument(new PdfReader(filePdf));
            merger.merge(firstSourcePdf, 1, firstSourcePdf.getNumberOfPages());
            pdf.flushCopiedObjects(firstSourcePdf);
            firstSourcePdf.close();
        }

        pdf.close();

谢谢

Answer 1

这是合并大量 PDF 文档(或大型 PDF)时的已知问题。

iText 将尝试使生成的 PDF 尽可能小。它通过尝试重用对象来做到这一点。例如，如果您有一个多次出现的图像，它不会每次都嵌入该图像，而是将其嵌入一次并简单地为其他出现的图像使用一个引用。

这意味着 iText 必须将所有对象保存在内存中，因为无法事先知道对象是否会被重用。

通常有用的解决方案是分批处理流程。 不要将 1000 个文件合并为 1 个文件，而是尝试将 1000 个文件成对合并(生成 500 个文档)，然后将每个文件成对合并(生成 250 个文档)，依此类推。

这允许 iText 定期刷新缓冲区，这应该会阻止内存开销导致 VM 崩溃。