PDFBox能否加载源PDF一次，然后将多个可变页面范围保存为单个PDF？

我正在编写一个系统，它可以处理非常大的PDF文件，多达400000页，每个PDF文件包含100000条单独的语句。我的任务是快速将此PDF拆分为单独的语句。由于语句的页数不同，所以我无法在每第四页上进行简单的拆分，这使得这一点变得复杂

我在36核AWS实例上使用并行处理来加快工作速度，但是将400000页PDF初步拆分为36个块非常非常慢，尽管处理结果11108页块非常快，因此最终要获得好的结果需要大量的开销

我认为可以更快地完成这项工作的方法是使用PDFBox编写一个进程，将源PDF加载到内存中一次（而不是调用命令行实用程序（如pdftk或cpdf）36次以拆分大量PDF）然后让它在一个端口上监听我的另一个进程的子进程，告诉它将页面x-y拆分成一个名为z的pdf

---

PDFBox是否可以实现这一点？如果可以，我将使用什么方法来实现这一点？

我想知道PDFBox是否可以加载一个400000页的文件，即使是一个临时文件。但是PDFBox不是线程安全的：@tilmahausherr：在我考虑的情况下，它将是一个进程访问PDF，但通过套接字侦听来自其他进程的命令。当然，如果一开始它甚至不能打开文件，这是不可能的。问题是你不能将PDDocument对象传递给你的其他进程。这一切必须在一个线程中完成。重新打开文件，请尝试。@Tilman担心已经打开的pdf可能会成为一个问题的原因是PdfBox在加载后在内存中保存了很多（全部？）pdf。拥有400000页的PDF可能意味着巨大的资源需求。@TilmanHausherr:我不想将PDDocument对象传递给我的其他进程。我问是否有一种方法可以将页面x-y保存到PDFBox中名为z的新PDF中，我可以通过套接字调用它。只有一个进程将加载源PDF文件，并且不会返回任何内容，只会创建一个文件。这是PDFBox可以做到的吗？我查看了所有的方法，但什么也没看到。甚至命令行PDFSplit也没有说明新PDF的目标路径。你是通过管道传送返回的内容还是什么？