使用PDFBox更新表单后文件体积增大的问题咨询

使用PDFBox的嵌入式字体子集功能时，即便修改PDF表单前后内容完全一致，生成的新文件体积仍会大于原文件。比如基于b.pdf重新生成c.pdf时，c.pdf的体积会比b.pdf更大。

复现代码 #

@Test
public void updatePdf() {
    try {
        PDDocument document = Loader.loadPDF(new File("/Users/sunyangyang/Desktop/a.pdf"));
        PDAcroForm form = document.getDocumentCatalog().getAcroForm();
        PDResources defaultResources = form.getDefaultResources();

        File fontFile = new File("/Users/sunyangyang/Desktop/MicrosoftYaHei.ttf");
        PDType0Font font = PDType0Font.load(document, new TTFParser().parseEmbedded(new FileInputStream(fontFile)), true);

        defaultResources.put(COSName.HELV, font);
        defaultResources.put(COSName.getPDFName("Helve"), font);

        PDTextField field = (PDTextField) form.getField("goods_name");
        if (field != null) {
            String value = "大米";
            field.setValue(value);

            for (int i = 0; i < value.length(); i++) {
                font.addToSubset(field.getValue().charAt(i));
            }
        }
        font.subset();

        document.save("/Users/sunyangyang/Desktop/b.pdf");
    } catch (IOException e) {
        e.printStackTrace();
    }
}

问题原因 #

1. 重复嵌入字体：每次执行代码都会重新加载完整的字体文件并生成新的字体子集，哪怕表单内容没变化。原PDF中已有的字体子集不会被复用，反而会新增一份字体资源到文档里，导致体积不断膨胀。
2. 无意义操作触发：不管字段当前值和目标值是否一致，都会执行字体加载、子集化和字段赋值操作，这些操作会额外增加文档的结构数据。

解决方案 #

要实现“内容无变化时体积不增加”的需求，需要做以下优化：

• 先判断字段值是否需要更新，一致则跳过所有修改操作
• 检查文档中是否已有符合要求的字体子集，避免重复嵌入
• 仅在必要时才执行字体子集化和字段更新

修改后的代码 #

@Test
public void updatePdf() {
    try {
        PDDocument document = Loader.loadPDF(new File("/Users/sunyangyang/Desktop/a.pdf"));
        PDAcroForm form = document.getDocumentCatalog().getAcroForm();
        PDResources defaultResources = form.getDefaultResources();
        PDTextField field = (PDTextField) form.getField("goods_name");
        
        String targetValue = "大米";
        // 字段不存在或值已一致，直接保存退出
        if (field == null || targetValue.equals(field.getValue())) {
            document.save("/Users/sunyangyang/Desktop/b.pdf");
            document.close();
            return;
        }
        
        PDType0Font font = null;
        // 检查是否已有可用的子集字体
        if (defaultResources != null) {
            PDType0Font existingFont = (PDType0Font) defaultResources.getFont(COSName.HELV);
            if (existingFont != null && existingFont.isSubset()) {
                // 验证已有子集是否包含所需所有字符
                boolean hasAllChars = true;
                for (char c : targetValue.toCharArray()) {
                    if (!existingFont.getFontDescriptor().getFontFile2().contains(c)) {
                        hasAllChars = false;
                        break;
                    }
                }
                if (hasAllChars) {
                    font = existingFont;
                }
            }
        }
        
        // 没有可用字体，重新加载生成子集
        if (font == null) {
            File fontFile = new File("/Users/sunyangyang/Desktop/MicrosoftYaHei.ttf");
            font = PDType0Font.load(document, new TTFParser().parseEmbedded(new FileInputStream(fontFile)), true);
            defaultResources.put(COSName.HELV, font);
            defaultResources.put(COSName.getPDFName("Helve"), font);
        }
        
        // 更新字段并完善字体子集
        field.setValue(targetValue);
        for (char c : targetValue.toCharArray()) {
            font.addToSubset(c);
        }
        font.subset();
        
        document.save("/Users/sunyangyang/Desktop/b.pdf");
        document.close();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

优化说明 #

• 新增字段值一致性校验，完全跳过无意义的修改流程，直接保存原文档结构
• 复用已有字体子集，避免重复嵌入字体文件导致体积增加
• 明确关闭文档资源，避免潜在的内存泄漏和文件损坏问题

内容的提问来源于stack exchange，提问作者孙阳阳