使用Docx4j和PdfBox将Docx转换为image会导致OutOfMemoryError

Question

我使用dox4j和pdfbox分两步将docx文件的第一页转换为图像，但我目前每次都得到< code>OutOfMemoryError。

我已经能够确定，在调用convertToImage方法时，在这个过程的最后一步抛出了异常，然而，我已经使用这个方法的第二步转换pdf一段时间了，现在没有问题，所以我不知道可能是什么原因，除非dox4j编码pdf的方式是我尚未测试或已损坏的。

我尝试将ByteArrayOutputStream替换为FileOutputStriam，并且pdf的正确呈现似乎并不比我预期的大。

这是我正在使用的代码：

WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(file);
org.docx4j.convert.out.pdf.PdfConversion c = new org.docx4j.convert.out.pdf.viaXSLFO.Conversion(wordMLPackage);

((org.docx4j.convert.out.pdf.viaXSLFO.Conversion)c).setSaveFO(File.createTempFile("fonts", ".fo"));
ByteArrayOutputStream os = new ByteArrayOutputStream();
c.output(os, new PdfSettings());

byte[] bytes = os.toByteArray();
os.close();

ByteArrayInputStream is = new ByteArrayInputStream(bytes);

PDDocument document = PDDocument.load(is);

PDPage page = (PDPage) document.getDocumentCatalog().getAllPages().get(0);
BufferedImage image = page.convertToImage(BufferedImage.TYPE_INT_RGB, 96);

is.close();
document.close();

编辑为了提供更多关于这种情况的上下文，此代码正在grails Web应用程序中运行。我尝试了此代码的几种不同变体，包括取消不再需要的所有内容，使用FileInputStream和FileOutputStream尝试节省更多物理内存并检查docx4j和pdfbox的输出，每种方法似乎都正常工作。

我正在使用docx4j 2.8.1和pdfbox 0.7.3，我也尝试了pdf-renderer，但我仍然得到OutOfMemoryError。我怀疑docx4j使用了太多的内存，但是直到pdf到图像的转换才产生错误。

我很乐意将docx文件转换为pdf或直接转换为图像作为答案的替代方法，但是我目前正在尝试替换在服务器上运行有问题的jodconverter。

Answer 1

终于取得了巨大的成功！我用XDocReport替换了docx4j，文档很快就转换为PDF。然而，一些文档似乎存在一些问题，但我希望这是由于创建它们的操作系统，可以通过使用以下方法解决：

PDFViaITextOptions options = PDFViaITextOptions.create().fontEncoding("windows-1250");

使用合适的操作系统，而不仅仅是：

PDFViaITextOptions options = PDFViaITextOptions.create();

默认为当前操作系统。

这是我现在用来从文档转换为 PDF 的代码：

FileInputStream in = new FileInputStream(file);
XWPFDocument document = new XWPFDocument(in);

PDFViaITextOptions options = PDFViaITextOptions.create();

ByteArrayOutputStream out = new ByteArrayOutputStream();
XWPF2PDFViaITextConverter.getInstance().convert(document, out, options);

byte[] bytes = out.toByteArray();
out.close();

ByteArrayInputStream is = new ByteArrayInputStream(bytes);
PDDocument document = PDDocument.load(is);

PDPage page = (PDPage) document.getDocumentCatalog().getAllPages().get(0);
BufferedImage image = page.convertToImage(BufferedImage.TYPE_INT_RGB, 96);

is.close();
document.close();

return image;

Answer 2

我是 X 多克波特团队的一员。

我们最近开发了一个部署在云蜂（http://xdocreport-converter.opensagres.cloudbees.net/）上的小网络应用程序，它显示了行为转换器。

您可以轻松比较PDF和Html转换的docx4j和xdocreport的行为和性能。

源代码可在此处找到:

https://github.com/pascalleclercq/xdocreport-demo(REST-Service-Converter-web application子文件夹)。还有这里:https://github . com/pascalleclercq/xdocreport/blob/master/remoting/fr . opensagres . xdocreport . remoting . converter . server/src/main/Java/fr/opensagres/xdocreport/remoting/converter/server/converterresourceimpl . Java

我得到的第一个数字是，X多克波特生成PDF的速度比Docx4J快10倍左右。

欢迎反馈。