使用 PDFBox 注释构造出现错误（） 方法

Question

简而言之

我一直在做一个程序，可以得到一个pdf，突出显示一些单词(通过pdfbox Mark注释)并保存新的pdf。

为了使这些注释在一些查看器（如pdf）上可见。js，需要调用pdAnnotationTextMarkup。constructAppearances（），然后将标记批注添加到页面批注列表中。

但是，这样做的话，在处理包含数千个标记注释的大型文档时，我会得到一个OutOfMemoryError。

我想知道是否有办法防止这种情况发生。

（这是这张票的续集，但与这张无关）

技术规格:

PDFBox 2.0.17
Java11.0.6 10， AdoptOpenJDK
MacOS Catalina 10.15.2,16gb，x86_64

我的代码

//my pdf has 216 pages     
for (int pageIndex = 0; pageIndex < numberOfPages; pageIndex++) {
    PDPage page = document.getPage(pageIndex);
    List<PDAnnotation> annotations = page.getAnnotations();

    // each coordinate obj represents a hl annotation. crashing with 7.816 elements
    for (CoordinatePoint coordinate : coordinates) {
        PDAnnotationTextMarkup txtMark = new PDAnnotationTextMarkup(PDAnnotationTextMarkup.SUB_TYPE_HIGHLIGHT);
        txtMark.setRectangle(pdRectangle);
        txtMark.setQuadPoints(quadPoints);
        txtMark.setColor(getColor());
        txtMark.setTitlePopup(coordinate.getHintDescription());
        txtMark.setReadOnly(true);

        // this is what makes everything visible on pdf.js and what causes the Java heap space error
        txtMark.constructAppearances();

        annotations.add(txtMark);
    }
}

当前结果

这是引出问题的重磅pdf文档:https://pdf host . io/v/I ~ nu ~ . 6g _ French _ Intensive _ Care _ Society _ International _ congress _ rani mation _ 2016 . pdf

我的程序尝试在整个216个页面中添加7.816个注释。

和堆栈跟踪：

[main] INFO highlight.PDFAnnotation - Highlighting 13613_2016_Article_114.pdf...
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    at org.apache.pdfbox.io.ScratchFile.<init>(ScratchFile.java:128)
    at org.apache.pdfbox.io.ScratchFile.getMainMemoryOnlyInstance(ScratchFile.java:143)
    at org.apache.pdfbox.cos.COSStream.<init>(COSStream.java:61)
    at org.apache.pdfbox.pdmodel.interactive.annotation.handlers.PDAbstractAppearanceHandler.createCOSStream(PDAbstractAppearanceHandler.java:106)
    at org.apache.pdfbox.pdmodel.interactive.annotation.handlers.PDHighlightAppearanceHandler.generateNormalAppearance(PDHighlightAppearanceHandler.java:136)
    at org.apache.pdfbox.pdmodel.interactive.annotation.handlers.PDHighlightAppearanceHandler.generateAppearanceStreams(PDHighlightAppearanceHandler.java:59)
    at org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotationTextMarkup.constructAppearances(PDAnnotationTextMarkup.java:175)
    at org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotationTextMarkup.constructAppearances(PDAnnotationTextMarkup.java:147)
    at highlight.PDFAnnotation.drawHLAnnotations(PDFAnnotation.java:288)

我已经尝试将我的jvm xmx和xms参数增加到像< code>-Xmx10g -Xms10g这样，这只是稍微推迟了崩溃。

我想要的

我希望避免这个内存问题，并且仍然能够在pdf.js viewer中看到我的注释。如果不调用constructAppearances，这个过程会快得多，我没有这个问题，但是注释只能在一些pdf查看器上看到，比如Adobe。

有什么建议吗？我在这里做错了什么还是错过了什么？

Answer 1

在即将推出的 2.0.19 版本中，按如下方式构造外观：

annotation.constructAppearances(document);

在2.0.18及更早版本中，您需要自己初始化外观处理程序：

setCustomAppearanceHandler(new PDHighlightAppearanceHandler(annotation, document));

该行可以在2.0.19中删除，因为这是默认的外观处理程序。

为什么要这么做？这样文档公共内存空间（“临时文件”）就用在注释处理程序中，而不是每次都创建一个新的（很大）。后面的操作是在调用new COSStream（）而不是document.getDocument（）. createCOSStream（）时完成的。

所有这些当然只有在做许多注释时才重要。

相关PDFBox问题:PDFBOX-4772和PDFBOX-4080