编辑大型PDF时，iText7（PDFSweep）抛出内存错误_Itext

编辑大型PDF时，iText7（PDFSweep）抛出内存错误

itext

编辑大型PDF时，iText7（PDFSweep）抛出内存错误,itext,Itext,我试图使用PDFSweep从PDF中删除一些内容，以下是我代码的一部分，我正在使用CompositeCleanupStrategy并将RegexBasedCleanupStrategy添加到策略中： CompositeCleanupStrategy strategy = new CompositeCleanupStrategy(); for (int i = 0; i < keywordlist.size(); i++) { String kvalue =

我试图使用PDFSweep从PDF中删除一些内容，以下是我代码的一部分，我正在使用CompositeCleanupStrategy并将RegexBasedCleanupStrategy添加到策略中：

    CompositeCleanupStrategy strategy = new CompositeCleanupStrategy();
    for (int i = 0; i < keywordlist.size(); i++) {

        String kvalue = keywordlist.get(i);


        Loger.getLogger().info("keyword " + i + "=" + kvalue);

        strategy.add(new RegexBasedCleanupStrategy(kvalue).setRedactionColor(ColorConstants.GRAY));

    }

   try {
        PdfWriter writer = new PdfWriter(dest);
        writer.setCompressionLevel(0);
        PdfDocument pdf = new PdfDocument(new PdfReader(src), writer);
        // sweep
        PdfAutoSweep pdfAutoSweep = new PdfAutoSweep(strategy);

        pdfAutoSweep.cleanUp(pdf);

        // close the document
        pdf.close();
    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }

CompositeCleanupStrategy策略=新的CompositeCleanupStrategy（）；
对于（int i=0；i


当stragety很小时，比如只有一个或两个，清理工作正常，但是如果关键字列表中有243个，PDF大小约为70MB，我得到以下错误：
 Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit 
 exceeded
at java.lang.String.toLowerCase(String.java:2590)
at java.lang.String.toLowerCase(String.java:2670)
at com.itextpdf.io.font.PdfEncodings.convertToString(PdfEncodings.java:287)
at com.itextpdf.kernel.pdf.PdfString.toUnicodeString(PdfString.java:163)
at com.itextpdf.kernel.pdf.canvas.parser.data.TextRenderInfo.getUnscaledBaselineWithOffset(TextRenderInfo.java:425)
at com.itextpdf.kernel.pdf.canvas.parser.data.TextRenderInfo.getBaseline(TextRenderInfo.java:213)
at com.itextpdf.kernel.pdf.canvas.parser.listener.CharacterRenderInfo.<init>(CharacterRenderInfo.java:112)
at com.itextpdf.kernel.pdf.canvas.parser.listener.RegexBasedLocationExtractionStrategy.toCRI(RegexBasedLocationExtractionStrategy.java:156)
at com.itextpdf.kernel.pdf.canvas.parser.listener.RegexBasedLocationExtractionStrategy.eventOccurred(RegexBasedLocationExtractionStrategy.java:135)
at com.itextpdf.pdfcleanup.autosweep.CompositeCleanupStrategy.eventOccurred(CompositeCleanupStrategy.java:115)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.eventOccurred(PdfCanvasProcessor.java:534)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.displayPdfString(PdfCanvasProcessor.java:549)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.access$4700(PdfCanvasProcessor.java:108)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor$ShowTextArrayOperator.invoke(PdfCanvasProcessor.java:617)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.invokeOperator(PdfCanvasProcessor.java:452)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.processContent(PdfCanvasProcessor.java:281)
at com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.processPageContent(PdfCanvasProcessor.java:302)
at com.itextpdf.kernel.pdf.canvas.parser.PdfDocumentContentParser.processContent(PdfDocumentContentParser.java:77)
at com.itextpdf.kernel.pdf.canvas.parser.PdfDocumentContentParser.processContent(PdfDocumentContentParser.java:90)
at com.itextpdf.pdfcleanup.autosweep.PdfAutoSweep.getPdfCleanUpLocations(PdfAutoSweep.java:130)
at com.itextpdf.pdfcleanup.autosweep.PdfAutoSweep.cleanUp(PdfAutoSweep.java:186)

线程“main”java.lang.OutOfMemoryError中的异常：GC开销限制
超过
位于java.lang.String.toLowerCase（String.java:2590）
位于java.lang.String.toLowerCase（String.java:2670）
位于com.itextpdf.io.font.PdfEncodings.convertToString（PdfEncodings.java:287）
在com.itextpdf.kernel.pdf.PdfString.toUnicodeString（PdfString.java:163）
位于com.itextpdf.kernel.pdf.canvas.parser.data.TextRenderInfo.getUnscaledBaselineWithOffset（textrederInfo.java:425）
在com.itextpdf.kernel.pdf.canvas.parser.data.TextRenderInfo.getBaseline（TextRenderInfo.java:213）上
位于com.itextpdf.kernel.pdf.canvas.parser.listener.CharacterRenderInfo.（CharacterRenderInfo.java:112）
在com.itextpdf.kernel.pdf.canvas.parser.listener.RegexBasedLocationExtractionStrategy.toCRI（RegexBasedLocationExtractionStrategy.java:156）
在com.itextpdf.kernel.pdf.canvas.parser.listener.RegexBasedLocationExtractionStrategy.EventOccursed（RegexBasedLocationExtractionStrategy.java:135）
在com.itextpdf.pdfcleanup.autosweep.compositeleanupstrategy.eventoccurrent上（compositeleanupstrategy.java:115）
位于com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.eventoccurrent（PdfCanvasProcessor.java:534）
位于com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.displayPdfString（PdfCanvasProcessor.java:549）
com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.access$4700（PdfCanvasProcessor.java:108）
在com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor$ShowTextArrayOperator.invoke（PdfCanvasProcessor.java:617）上
位于com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.invokeOperator（PdfCanvasProcessor.java:452）
位于com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.processContent（PdfCanvasProcessor.java:281）
位于com.itextpdf.kernel.pdf.canvas.parser.PdfCanvasProcessor.processPageContent（PdfCanvasProcessor.java:302）
位于com.itextpdf.kernel.pdf.canvas.parser.PdfDocumentContentParser.processContent（PdfDocumentContentParser.java:77）
位于com.itextpdf.kernel.pdf.canvas.parser.PdfDocumentContentParser.processContent（PdfDocumentContentParser.java:90）
位于com.itextpdf.pdfcleanup.autosweep.PdfAutoSweep.getPdfCleanUpLocations（PdfAutoSweep.java:130）
位于com.itextpdf.pdfcleanup.autosweep.PdfAutoSweep.cleanUp（PdfAutoSweep.java:186）

（完全披露：此处为

RegexBasedCleanupStrategy

的原始作者）

RegexBasedCleanupStrategy

不是这样使用的。您正在创建该类的200个实例，所有这些实例都将在文档中查看它们是否可以（逐块）将PDF与正则表达式相匹配

为了做到这一点，他们将在文档中存储所有块，对它们进行排序，然后循环遍历它们

因此，您在内存中将文档复制了200多次。这是你的瓶颈

我的建议是：构建一个更好的正则表达式。显然，您可以将关键字a、b、c等与正则表达式匹配

（a）|（b）|（c）

这将只在内存中复制文档一次，然后尝试将聚合正则表达式与之匹配

它既有性能优势，又有内存占用优势。

（完整披露：此处为

RegexBasedCleanupStrategy