将itext替换为pdfbox性能

Question

我正在评估将我们的pdf处理从itext替换为pdfbox。我用200个单页pdf（94KB、469KB、937KB）做了一些测试，并将它们合并到我们应用程序中的一个pdf中。PDFBox版本：2.0.23。itextversion：2.1.7。以下是测试结果：

这是itext实现：

byte[] l_PDFPage = null;
PdfReader l_PDFReader = null;
PdfCopy l_Copier = null;
Document l_PDFDocument = null;
OutputStream l_Stream = new FileOutputStream(m_File);

// do it for all pages in the editor
for( int i = 0; i < m_Editor.getCountOfElements(); i++ ) {
  l_Page = m_Editor.getPageAt(i);
  l_PDFPage = l_Page.getAsPdf();
  l_PDFReader = new PdfReader(l_PDFPage);
  l_PDFReader.getPageN(1).put(PdfName.ROTATE, new PdfNumber(l_PDFReader.getPageRotation(1) + l_Page.getRotation() % 360));
  l_PDFReader.consolidateNamedDestinations();

  if( i == 0 ) {
    l_PDFDocument = new Document(l_PDFReader.getPageSizeWithRotation(1));
    l_Copier = new PdfCopy(l_PDFDocument, l_Stream);
    l_PDFDocument.open();
  }

  l_Copier.addPage(l_Copier.getImportedPage(l_PDFReader, 1));

  if( l_PDFReader.getAcroForm() != null )
    l_Copier.copyAcroForm(l_PDFReader);

  l_Copier.flush();
  l_Copier.freeReader(l_PDFReader);
}

l_PDFDocument.close();
l_Stream.close();

这是pdfbox实现：

byte[] l_PDFPage = null;
List<PDDocument> pageDocuments = new ArrayList<>();
PDDocument saveDocument = new PDDocument();

try {
  // do it for all pages in the editor
  for( int i = 0; i < m_Editor.getCountOfElements(); i++ ) {
    // our wrapper object for a page
    l_Page = m_Editor.getPageAt(i);
  
    // page as byte[]
    l_PDFPage = l_Page.getAsPdf();
  
    PDDocument document = PDDocument.load(l_PDFPage);
  
    // save page document to close it later
    pageDocuments.add(document);
  
    PDPage page = document.getPage(0);   
    saveDocument.addPage(saveDocument.importPage(page));
  }

  saveDocument.save(l_Stream);
}
finally {
  // close every page document
  for(PDDocument doc : pageDocuments) {
    doc.close();
  }
  
  saveDocument.close();      
}

我也尝试过使用pdfbox的pdfmerger。性能几乎与其他pdfbox实现相同。但对于937KB的文件，我在这个实现中遇到了outofmemory异常：

byte[] l_PDFPage = null;
OutputStream l_Stream = new FileOutputStream(m_File);

PDFMergerUtility merger = new PDFMergerUtility();
  
// do it for all pages in the editor
for( int i = 0; i < m_Editor.getCountOfElements(); i++ ) {
  l_Page = m_Editor.getPageAt(i);

  // page as byte[]
  l_PDFPage = l_Page.getAsPdf();
 
  merger.addSource(new ByteArrayInputStream(l_PDFPage));
}

merger.setDestinationStream(l_Stream);
merger.mergeDocuments(null);

所以我的问题是：

• 为什么pdfbox的性能（所需的时间和内存使用）与itext相比如此糟糕

Answer 1

PDFBox和iText在体系结构上不同，因此对于不同的任务，它们的性能也不同。

特别是iText尝试提前写出新内容，在您的情况下，大部分页面已写入输出

l_Copier.addPage(l_Copier.getImportedPage(l_PDFReader, 1));

和

l_PDFDocument.close();

最终只完成PDF并写入最后剩下的对象和文件尾。

另一方面，PDFBox最终会立即保存所有内容：

saveDocument.save(l_Stream);

iText方法的优点是内存占用较小（正如您所观察到的），缺点是一旦写入页面，就无法更改其数据。

（顺便说一句：iText架构已经从iText 5更改为iText 7，在iText 7中您可以选择并可以将所有内容保存在内存中，但这里的价格也是一个很大的内存占用。）

因此，

为什么pdfbox的性能（所需的时间和内存使用量）与ittext相比如此糟糕？

上面可以部分解释内存使用的差异。同样在iText中

l_Copier.freeReader(l_PDFReader);

PdfReader可以关闭（由垃圾收集来为您完成）以释放其资源，而在PDFBox代码中，您可以保持所有源文档处于打开状态，将资源保留到最后。（事实上，我假设当您使用importPage时，不需要保留它们。）

关于时间，我现在还不确定。您应该进行更精细的计时，并确定在PDFBox中使用额外时间的确切位置；因此，我支持@Tilman对分析数据的请求。我想是在最后的扑救中，但这只是一种预感。此外，这种时间差异可能取决于所讨论的PDF的结构细节，对于其他文档可能不太极端。