Java PDFBox 2.0.4：提取图像时内存使用率高

我使用PDFBOX 2.0.4从PDF文件中提取嵌入图像，代码如下：

        for(int i = 0; i < document.getNumberOfPages() ;i++)
        {
            PDPage page = document.getPage(i);
            PDResources resources = page.getResources();

            PDImageXObject pageImg = null;
            Iterable<COSName> xObjectNames = resources.getXObjectNames();
            for (COSName cosName : xObjectNames)
            {
                PDXObject xObject = resources.getXObject(cosName);
                if (xObject instanceof PDImageXObject) 
                {
                    PDImageXObject img = (PDImageXObject) xObject;
                    BufferedImage pageBufferedImage = pageImg.getImage();


                    targetType = pageImg.getSuffix();

                    File imageFile = new File(out, String.valueOf(i+"."+targetType));

                    ImageIO.write(pageBufferedImage,targetType,imageFile);                  
                }
            }
        }

或

这似乎工作得更快，但输出文件图像已损坏：

---

Pdfbox体系结构主要基于整个pdf的内存表示（不完全，请参阅临时文件，但主要是临时文件）。因此，它有大量的内存占用。如果这对您来说是个问题，您可能需要先拆分大文件。您的替代代码不起作用，因为这些是解压缩的图像流，通常每RGB像素3字节。你无能为力。PDFBox 2.*有一种机制可以从BuffereImage（

SoftReference

cache）释放空间，但仅当其他代码需要内存时才释放。非常感谢您的重播，非常感谢，所以除了使用bufferImage方法之外没有其他方法了？通过使用bufferimage，您实际上需要为图像转换支付内存占用和cpu利用率。我确实注意到了softreference的使用情况以及在需要时丢弃的内存，但在我们的例子中，缓存是不需要的。ZH@user1804121如果它很重要，只需获取源代码并删除缓存BuffereImage的几行代码即可。但是，除非您有自己的代码来处理图像存储和保存，否则需要使用BuffereImage。唯一的例外是（某些）直接保存的JPEG文件。（这在ExtractImages源代码中显示）Tilman，你说的“图像存储和保存”是什么意思，我实际上不喜欢使用java来处理图像，我们通常使用外部exec（即使用磁盘IO）来处理图像（甚至更快），再次感谢。

pdImageXObject.getStream().toByteArray(); 

pdImageXObject.createInputStream();