为什么越来越多的人使用 PDFBox 3 ？_Java知识分享网-免费Java资源下载

失效链接处理

为什么越来越多的人使用 PDFBox 3 ？

原贴地址：https://mp.weixin.qq.com/s/G-zxrizujDE_QfSQEdtfmg

相关截图：

主要内容：

先认识一下 PDFBox

Apache PDFBox 是 Apache 基金会下面的开源 Java 库，专门用来创建、读写、转换 PDF。它不是那种“只能预览”的工具，而是能嵌进业务系统里干活的：合同归档、发票生成、扫描件抽字、批量盖章，这些场景都能见到它。

它能做的事情大致就这几类：

读已有 PDF，抽出文字、图片、表单字段

从零创建页面，写字、画线、贴图

拆分、合并、加密、数字签名

把页面渲染成 PNG / JPEG，方便做预览

2.x 用了很多年，稳是稳，但内存占用、IO 方式和一批过时 API 慢慢成了包袱。3.0 不是换皮，而是把这些底层问题一起收拾了一遍。

PDFBox 3 到底新在哪

如果你只记三件事，就是下面这三张图里的内容：统一用 Loader 加载、增量解析省内存、IO 层重写。

说人话的话，大概是这样：

1. 加载方式换了口

以前大家写 PDDocument.load(...)，3.0 把加载方法从 PDDocument 上拿掉了，统一走 org.apache.pdfbox.Loader。看起来只是搬家，其实是把“从哪读、怎么缓存”这件事说清楚了：文件、字节数组、RandomAccessRead，各走各的路，不再藏在一个万能 load 里面。

2. 不再一上来就把整份 PDF 吞进内存

3.0 默认做增量解析。你只访问第 1 页，它就尽量只解析第 1 页相关的对象。大文件、只抽封面、只盖一页章的时候，内存会老实很多。当然，如果你遍历全部页面、扫全部注释，该吃内存还是会吃——PDF 格式本身就是这样。

3. IO 独立成模块，读写更可控

基础 IO 类拆到了 pdfbox-io，底层切到 java.nio，读文件支持内存映射，读的时候不再依赖临时 scratch 文件。写的时候缓存策略也从老的 MemoryUsageSetting，换成更灵活的 StreamCacheCreateFunction。另外，保存时默认开启压缩，普通文档体积会小一截；做 PDF/A-1b 这类对压缩有限制的场景，再显式关掉即可。