PDFbox：使用非常大的PDF。
我正在处理一些非常大的PDF，一些超过7GB的大小。PDF有多达20,000页和许多全页彩色图像。我想使用PDFBox来处理PDF，但由于尺寸太大，当我试图打开PDF时，我会得到FMemoryError。
我正在使用PDFBOX-APP-1.6.0版本，在Windows7上使用Intellij、Java6。
首先，我尝试编写一个简单的程序，在PDDocument中打开PDF，然后将每一页转到另一个PDDocument：http://ideone.com/arkhb
接下来，我尝试使用PDFBox CopyDoc示例。
这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。有办法让它一次只打开一页吗？我知道这将是一个较慢的处理，但目前我无法处理任何东西。
共有1个答案
在2.0.*版本中，打开PDF，如下所示：
PDDocument doc = PDDocument.load(file, MemoryUsageSetting.setupTempFileOnly());
这将设置缓冲内存使用，仅使用大小不受限制的临时文件（无主存）。
更新17.4.2018:更多节省内存的技巧在常见问题解答中描述。在进行渲染时，使用pdfrenderer.setsubsamplingAllowed(true)进行子采样（跳过像素行/行），这是2.0.9以来的活动。这为带有巨大图像文件的PDF文件节省了空间。
-
问题内容： 我想使用命令 将一个PDF拆分为许多其他PDF。但是我发现有一个问题：拆分的PDF为“ ActiveMQ In Action（Manning-2011）.pdf”，它的大小为14.1MB。但是当我跑步时 每个PDF都大于79MB！我该如何预防？ 问题答案： 这是PDFBox 2.0.2中的一个已知错误。拆分在2.0.1中工作正常，在2.0.3中又可以工作。“错误的”代码已经恢复。问题的
-
我搜索了数据库和食谱，但似乎找不到正确的答案。我有一个非常简单的python代码，它总结了一个范围内的自我权力。我需要这个非常非常大的数字的最后十位，我已经尝试了get上下文（）. prec，但是我仍然达到了极限。 代码如下： 我怎么能看到这些美丽的数字？它在我的四核上打印速度相对较快。这只是为了给ProjectEuler带来乐趣，问题#48，请不要破坏者。我不想要解决方案，也不想让工作为我完成，
-
问题内容： 抱歉，很长的帖子！ 我有一个包含约30个表的数据库（InnoDB引擎）。这些表中只有两个表，即“ transaction”和“ shift”非常大（第一个表有150万行，而shift有23000行）。现在一切正常，我对当前的数据库大小没有任何问题。 但是，我们将有一个类似的数据库（相同的数据类型，设计等），但数据库更大，例如，“事务”表将具有约 10亿条记录 （每天约有 230 万笔交
-
我们有生成PDF文档的系统（使用Ecrion引擎）。我们正在使用时代字体。现在需要文档存档，因此我们正在从PDF切换到PDF/A，并将字体从Times 更改为Times New Roman（相同的字体）。这就是问题出现的地方 - 每个PDF / A也包括使用的字体（因为PDF / A是用于存档的PDF，因此它与字体一起出现）。问题是每个文档现在都包含“Times New Roman”，“Times
-
我正在使用此方法打印一个大字符串： 这很好，但Logcat打印的字符串太多，我无法在Logcat中看到字符串的所有内容。我只能看到最近的。你能告诉我如何在Logcat中查看所有Logcat日志吗？或者你能告诉我一种将所有日志打印到文件或类似文件的方法吗？谢谢
-
我有一个非常大的不可变的密钥集，不适合存储在内存中，还有一个更大的引用列表，必须只扫描一次。如何在RAM中完成标记阶段？我确实有一个可能的解决方案，稍后我会写下来作为答案（不想破坏它），但也许还有其他我没有想到的解决方案。 我将试图重申这个问题，使其更“真实”： 你在Facebook工作，你的任务是找出哪些用户从未创建过带有表情符号的帖子。你所拥有的只是活动用户名列表（大约20亿），以及帖子列表（