Java PDFBox：使用非常大的PDF。

我正在使用一些非常大的PDF，一些尺寸超过7GB。PDF有多达20000页和许多全页彩色图像。我想使用PDFBox来处理PDF，但由于我在尝试打开PDF时从内存错误中得到的大小

我正在使用Intellij，java 6在Windows 7上使用pdfbox-app-1.6.0版本

首先，我试着编写一个简单的程序，在一个PDDocument中打开PDF，并将每个页面复制到另一个PDDocument：

接下来，我尝试使用PDFBox示例

两个示例都耗尽了内存

---

我假设这是因为PDFBox试图将整个文档读入内存。有没有办法一次只打开一页？我知道这将是缓慢的处理，但目前我无法处理任何事情

在2.0.*版本中，按如下方式打开PDF：

PDDocument doc = PDDocument.load(file, MemoryUsageSetting.setupTempFileOnly());

这将设置缓冲内存使用，以便仅使用大小不受限制的临时文件（无主内存）

---

2018年4月17日更新：更多节省内存的技巧见。尚未描述但处于活动状态，因为2.0.9在进行渲染时使用

PDFRenderer进行二次采样（跳过像素行/行）。setSubsamplingAllowed（true）

。这为包含大量图像文件的PDF文件节省了空间。

请参见“可能将PDF文件拆分为一个列表，循环列表，一次读取一定数量的页面”。@DNA-感谢您的链接。在发布之前，我已经检查了所有标有PDFBox的问题，但在搜索过程中遗漏了那个问题。@Pengo你有没有找到解决这个问题的方法？理论上，您可能只是增加了-Xmx20000M或更多的内存使用，并使用了虚拟内存或安装了更多。我的PDF要小得多，在保存操作期间，它们使用20 GB的内存。我被告知没有办法避免这一点，只是一个图书馆问题。嗨，我也有同样的问题，但我正在处理pdf文件中的单词（文本）。我试图在一个pdf文件中索引1000万个单词，但它给了我内存不足的错误：java堆空间。我试过你上面的建议，但仍然不能解决问题。还有其他想法吗？使用-Xmx增加内存。并始终确保您使用的是最新的PDFBox版本。我使用的是PDFBox 2.0。我还尝试改变-Xmx。它仍然会从记忆中消失，2.0是什么？那么-Xmx值是多少？我在工作中使用-Xmx1g，有时使用-Xmx4g。如果它仍然不这样做，最好是共享PDF，这是复制错误的最小可能代码，并用它创建一个新问题。但我想知道什么样的PDF文件会超过一百万字？我只是想通过压力测试看看PDFbox能处理多少这样的问题。