关于pdfbox解析pdf文件的疑问，请高手们赐教一下刘涛 (用户名:yetaodiao)，

ios_che 2012-03-05 09:57:01

我的pdf文件稍微大一点（40M），就会爆内存溢出，我把pdf文件分割成1M一个的，用for循环去load也会爆内存溢出，该怎么解决啊？

File[] files = new File(file).listFiles();
for (File f : files)
{
System.out.println(f.getName());
FileInputStream fis = new FileInputStream(f);
// 内存中存储的PDF Document
PDDocument document = PDDocument.load(fis);
// System.out.println(stripper.getText(document));

document.close();
fis.close();
}

Exception in thread "main" org.apache.pdfbox.exceptions.WrappedIOException
at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:240)
at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:1069)
at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:1036)
at com.trends.pdfbox.Test2.geText(Test2.java:33)
at com.trends.pdfbox.Test2.main(Test2.java:13)
Caused by: java.lang.OutOfMemoryError: Java heap space
at org.apache.pdfbox.io.RandomAccessBuffer.expandBuffer(RandomAccessBuffer.java:151)
at org.apache.pdfbox.io.RandomAccessBuffer.write(RandomAccessBuffer.java:131)
at org.apache.pdfbox.io.RandomAccessFileOutputStream.write(RandomAccessFileOutputStream.java:108)
at java.io.BufferedOutputStream.flushBuffer(BufferedOutputStream.java:65)
at java.io.BufferedOutputStream.flush(BufferedOutputStream.java:123)
at java.io.FilterOutputStream.close(FilterOutputStream.java:140)
at org.apache.pdfbox.pdfparser.BaseParser.parseCOSStream(BaseParser.java:448)
at org.apache.pdfbox.pdfparser.PDFParser.parseObject(PDFParser.java:552)
at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:184)
... 4 more

我把内存设置成2000M还是一样内存溢出~~~

...全文

318 6 打赏收藏转发到动态举报

写回复

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

ios_che 2012-03-05

打赏
举报

回复

顶起来啊

wchy33 2012-03-05

打赏
举报

回复

ios_che 2012-03-05

打赏
举报

回复

[Quote=引用 2 楼 junjun1984 的回复:]
向yetaodiao提问？
[/Quote]
我看他回复过一次关于pdfbox的，当然大家懂的都可以回复一下，求解~~

拉文麦克 2012-03-05

打赏
举报

回复

(⊙o⊙)哦

junjun1984 2012-03-05

打赏
举报

回复

向yetaodiao提问？

net_friends 2012-03-05

打赏
举报

回复

我把内存设置成2000M还是一样内存溢出~~~

在.Net中使用PDFBox需要引用: 1.PDFBox-0.7.3.dlll (8 MB) 2.IKVM.GNU.Classpath (7 MB) 3.IKVM.Runtime.dll (360 kB) 4.FontBox-0.1.0-dev.dll 使用方法: private static string parseUsingPDFBox(string filename) { PDDocument doc = PDDocument.load(filename); PDFTextStripper stripper = new PDFTextStripper(); return stripper.getText(doc); }

下载地址： http://pdfbox.apache.org/ 介绍： PDFBox是一个开源的可以操作PDF文档的Java PDF类库。它可以创建一个新PDF文档,操作现有PDF文档并提取文档中的内容。它具有以下特性: 1.将一个PDF文档转换输出为一个文本文件。 2.可以从文本文件创建一个PDF文档。 3.加密/解密PDF文档。 4.向已有PDF文档中追加内容。 5.可以从PDF文档生成一张图片。 6.可以与Jakarta Lucene搜索引擎的整合。这个小程序，实现了，图片提取，文档解密的基本功能

最近项目使用C#解析PDF，此程序主要利用PDFBOX提取PDF中文字及图片。C#解析PDF相关资料太少了，研究了好多天，现在放上来，希望朋友们少走些弯路。适用于未加密的PDF。

Java解析PDF文件源代码(代码中有详细注释)，测试过，能够正常编译和运行。

利用PDFBox的IKVM版本能比较好地从PDF中提取文本并且能够根据需要显示行分隔符、字段分隔符、也分隔符等等便于使用

智能路由器

684

社区成员

913

社区内容

发帖

与我相关

我的任务

linuxpython 技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章