内存溢出问题分析
在使用itext合并多个pdf文档时，常见的做法是将每个源pdf的内容逐一添加到pdfcopy或pdfsmartcopy对象中，并将最终输出定向到一个bytearrayoutputstream，以便之后将其转换为字节数组或发送到网络。例如，以下代码片段展示了这种常见的实现方式：
public static byte[] mergePdf(List < InputStream > inputStreams) {
Document document = new Document();
ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream(); // 内存占用源
PdfCopy copy = new PdfSmartCopy(document, byteArrayOutputStream);
document.open();
for (InputStream inputStream: inputStreams) {
PdfReader pdfReader = new PdfReader(inputStream);
copy.addDocument(pdfReader);
copy.freeReader(pdfReader); // 释放PdfReader的内部缓存
pdfReader.close();
}
document.close();
return byteArrayOutputStream.toByteArray(); // 在此处将整个PDF转换为字节数组
}尽管PdfReader在处理后通过freeReader和close方法释放了内部资源，但ByteArrayOutputStream却会持续累积所有合并后的PDF数据。当合并的PDF数量较多或单个PDF文件较大时，ByteArrayOutputStream可能会增长到超出JVM堆内存限制，从而抛出OutOfMemoryError: Java Heap Space。这种方法本质上是将整个合并后的PDF文件完全加载到内存中，这与避免创建临时文件的初衷相悖，因为内存本身就是一种“临时存储”。
高效流式处理方案
解决此问题的关键在于避免使用中间的ByteArrayOutputStream。如果最终目的是将合并后的PDF发送到某个OutputStream（例如，HTTP响应流、文件输出流等），那么最直接且内存效率最高的方法是直接将PdfCopy的输出流连接到这个目标OutputStream。这样，iText在合并PDF时，数据会直接写入目标流，而不会在内存中进行完整的缓存。
核心思想： 将PdfCopy的构造函数中的ByteArrayOutputStream替换为目标OutputStream。
示例代码
以下是优化后的mergePdf方法，它接受一个OutputStream作为参数，将合并后的PDF直接写入该流：
import com.itextpdf.text.Document;
import com.itextpdf.text.pdf.PdfCopy;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.PdfSmartCopy;
import java.io.InputStream;
import java.io.OutputStream;
import java.io.IOException;
import java.util.List;
public class PdfMergeUtil {
/**
* 将多个PDF输入流合并到一个输出流中，避免内存溢出。
*
* @param inputStreams 待合并的PDF输入流列表
* @param outputStream 目标输出流，合并后的PDF将直接写入此流
* @throws IOException 如果在PDF处理过程中发生I/O错误
*/
public static void mergePdfsToStream(List<InputStream> inputStreams, OutputStream outputStream) throws IOException {
Document document = null;
PdfCopy copy = null;
try {
document = new Document();
// 直接将PdfCopy连接到目标OutputStream
copy = new PdfSmartCopy(document, outputStream);
document.open();
for (InputStream inputStream : inputStreams) {
PdfReader pdfReader = null;
try {
pdfReader = new PdfReader(inputStream);
copy.addDocument(pdfReader);
copy.freeReader(pdfReader); // 释放PdfReader的内部缓存
} finally {
// 确保PdfReader和其底层的InputStream被关闭
if (pdfReader != null) {
pdfReader.close();
}
if (inputStream != null) {
try {
inputStream.close(); // 关闭原始输入流
} catch (IOException e) {
// 记录或处理关闭异常
System.err.println("Error closing input stream: " + e.getMessage());
}
}
}
}
} finally {
// 确保Document和OutputStream被关闭
if (document != null && document.isOpen()) {
document.close();
}
// 注意：此处不关闭outputStream，因为调用者可能需要继续使用或由其负责关闭
// 如果outputStream是方法内部创建的，则应在此处关闭
}
}
// 示例用法：将合并后的PDF写入文件
/*
public static void main(String[] args) {
List<InputStream> pdfInputStreams = new ArrayList<>();
try {
// 假设你有多个PDF文件，转换为InputStream
pdfInputStreams.add(new FileInputStream("path/to/pdf1.pdf"));
pdfInputStreams.add(new FileInputStream("path/to/pdf2.pdf"));
// ...
FileOutputStream fos = new FileOutputStream("merged_output.pdf");
mergePdfsToStream(pdfInputStreams, fos);
System.out.println("PDFs merged successfully to merged_output.pdf");
} catch (Exception e) {
e.printStackTrace();
} finally {
// 确保所有输入流和输出流都被关闭
for (InputStream is : pdfInputStreams) {
try {
if (is != null) is.close();
} catch (IOException e) {
e.printStackTrace();
}
}
// fos在try-with-resources或单独的finally块中关闭
}
}
*/
}注意事项
- 资源管理： 确保所有PdfReader和其底层的InputStream在处理完毕后都被正确关闭。在finally块中关闭资源是最佳实践。
- OutputStream的生命周期： 在mergePdfsToStream方法中，我们不应该关闭传入的outputStream。outputStream的关闭应该由调用者负责，因为它可能是HTTP响应流（由Servlet容器管理）或一个需要后续操作的文件流。
- PdfSmartCopy与PdfCopy： PdfSmartCopy是PdfCopy的子类，它能检测并重用相同的页面对象，从而在合并包含重复页面的PDF时节省空间。在大多数情况下，使用PdfSmartCopy是更好的选择。
- JVM堆内存调整： 尽管上述流式处理方案能显著降低内存消耗，但对于极端情况（例如，合并极其复杂的PDF或在其他操作中存在大量内存占用），适当增加JVM的堆内存（例如，通过-Xmx参数）仍然是一个辅助手段。但请记住，堆内存调整是治标不治本，根本问题在于内存使用模式。
- 错误处理： 在实际应用中，应增加更完善的异常处理机制，例如日志记录，以便在合并过程中出现问题时能够及时发现和诊断。
总结
通过将iText的PdfCopy直接连接到目标OutputStream，我们能够实现真正的流式PDF合并，避免在内存中缓存整个合并后的文件。这种方法不仅解决了OutOfMemoryError问题，还提高了应用程序的健壮性和可伸缩性，尤其适用于处理大量或大型PDF文件的场景，如在线文档生成、文件下载服务等。这种内存效率高的处理方式是构建高性能、稳定PDF处理服务的关键。
