如何用Apache PDFBox添加PDF文本且不显著增大文件体积？

核心问题分析 #

你当前基于内容的方法导致体积增至3倍，主要原因在于：

• 直接复制内容流产生冗余数据
• 未启用内容流压缩
• 资源未实现完全复用

高效解决方案 #

以下是实现目标的优化步骤及代码，可将体积增长控制在可忽略范围内：

1. 直接修改原页面，避免页面复制

无需新建页面再复制内容，直接对原页面调整尺寸、平移内容、添加文本，从根源减少冗余。

2. 复用原页面资源

直接复用原页面的资源字典，避免资源重复存储，降低体积开销。

3. 强制启用内容流压缩

创建PDPageContentStream时通过参数启用压缩，保存文档时也强制压缩所有流。

4. 优化内容流操作逻辑

使用PREPEND模式添加平移变换实现内容上移，APPEND模式添加底部文本，无需复制整个原有内容流。

完整代码示例 #

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.common.PDRectangle;
import org.apache.pdfbox.pdmodel.font.PDType1Font;
import org.apache.pdfbox.util.Matrix;

import java.io.File;
import java.io.IOException;

public class AddTextWithMinimalSize {
    public static void main(String[] args) throws IOException {
        try (PDDocument document = PDDocument.load(new File("input.pdf"))) {
            PDPage page = document.getPage(0); // 示例处理第一页，可循环处理多页
            float extraHeight = 50; // 底部新增文本区域的高度
            PDRectangle originalMediaBox = page.getMediaBox();
            
            // 扩展页面高度：将MediaBox和CropBox底部向下延伸
            PDRectangle newMediaBox = new PDRectangle(
                    originalMediaBox.getLowerLeftX(),
                    originalMediaBox.getLowerLeftY() - extraHeight,
                    originalMediaBox.getWidth(),
                    originalMediaBox.getHeight() + extraHeight
            );
            page.setMediaBox(newMediaBox);
            page.setCropBox(newMediaBox);
            
            float shiftAmount = extraHeight; // 内容上移距离等于新增高度
            
            // 上移原有内容：PREPEND模式添加平移矩阵
            try (PDPageContentStream contentStream = new PDPageContentStream(
                    document, page, PDPageContentStream.AppendMode.PREPEND, true, true)) {
                contentStream.transform(Matrix.getTranslateInstance(0, shiftAmount));
            }
            
            // 在底部添加新文本：APPEND模式
            try (PDPageContentStream contentStream = new PDPageContentStream(
                    document, page, PDPageContentStream.AppendMode.APPEND, true, true)) {
                contentStream.beginText();
                contentStream.setFont(PDType1Font.HELVETICA, 12);
                // 定位到新增区域的顶部（原页面底部位置）
                contentStream.newLineAtOffset(originalMediaBox.getLowerLeftX() + 20, 
                                             originalMediaBox.getLowerLeftY() + 10);
                contentStream.showText("新增的底部文本内容");
                contentStream.endText();
            }
            
            // 保存时启用压缩，最小化体积
            document.save(new File("output.pdf"));
        }
    }
}

额外优化建议 #

• 使用PDFOptimizer清理文档冗余：

  import org.apache.pdfbox.pdmodel.optimize.PDFOptimizer;
  
  PDFOptimizer optimizer = new PDFOptimizer(document);
  optimizer.setOptimizeContent(true);
  optimizer.setOptimizeImages(false); // 无需压缩图像时关闭此选项
  optimizer.optimize();
  

• 避免直接操作COSStream复制内容，依赖PDFBox官方API处理内容流，确保内部优化机制生效。
• 处理多页时复用字体等资源，避免重复嵌入字体导致体积增长。

方案体积增长极小的原因 #

• 仅新增少量内容流（平移矩阵+新文本），未复制原有内容
• 完全复用原页面所有资源，无重复存储
• 所有内容流均启用压缩，进一步降低体积

内容的提问来源于stack exchange，提问作者Chandra Sekhar M