使用PDFBox 2.0.24合并PDF时，如何移除重复嵌入的字体子集？

一、手动控制PDFBox的字体资源复用 #

PDFBox默认合并逻辑不会严格复用相同字体子集，你可以自己写逻辑来复用：

• 遍历所有待合并PDF的页面，提取每个页面的字体，用字体名+字符集哈希作为唯一标识，把相同的字体实例存起来，后续页面遇到重复字体时直接复用，不再重复嵌入。
• 参考代码片段：

  PDDocument targetDoc = new PDDocument();
  Map<String, PDFont> reusedFontMap = new HashMap<>();
  
  for (String pdfPath : 你的PDF路径列表) {
      try (PDDocument sourceDoc = PDDocument.load(new File(pdfPath))) {
          for (PDPage page : sourceDoc.getPages()) {
              PDPage importedPage = targetDoc.importPage(page);
              PDResources pageResources = importedPage.getResources();
              
              // 遍历页面字体资源
              for (COSName fontName : pageResources.getFontNames()) {
                  PDFont currentFont = pageResources.getFont(fontName);
                  // 生成字体唯一标识，确保相同子集的字体能匹配
                  String fontKey = currentFont.getName() + "_" + currentFont.getFontDescriptor().getFontFile2().getCOSObject().getKey();
                  
                  if (reusedFontMap.containsKey(fontKey)) {
                      // 替换成已复用的字体
                      pageResources.put(fontName, reusedFontMap.get(fontKey));
                  } else {
                      reusedFontMap.put(fontKey, currentFont);
                  }
              }
          }
      }
  }
  targetDoc.save("合并后优化版.pdf");
  targetDoc.close();
  

  注意：要确保复用的字体包含所有需要的字符，不然可能出现乱码，测试时要重点检查特殊字符。

二、用PDFBox自带的优化器后处理 #

PDFBox有个PDFOptimizer工具，专门用来优化PDF体积，开启字体优化选项试试：

PDDocument mergedDoc = PDDocument.load(new File("合并后的大文件.pdf"));
PDFOptimizer optimizer = new PDFOptimizer();
optimizer.setOptimizeFonts(true); // 打开字体优化开关
optimizer.optimize(mergedDoc);
mergedDoc.save("优化后的文件.pdf");
mergedDoc.close();

这个工具会自动检测重复字体并合并，但如果你的文件是PDF/A格式，可能需要额外调整参数保证兼容性。

三、先预处理单个PDF #

如果待合并的单个PDF本身就有冗余字体子集，可以先单独优化每个文件：

• 用PDFBox移除每个PDF里未被使用的字体子集，减少源文件的字体冗余：

  try (PDDocument singleDoc = PDDocument.load(new File("单个PDF文件.pdf"))) {
      PDResources resources = singleDoc.getDocumentCatalog().getPages().get(0).getResources();
      // 遍历字体，移除未被使用的
      for (COSName fontName : new HashSet<>(resources.getFontNames())) {
          PDFont font = resources.getFont(fontName);
          if (!checkFontIsUsed(singleDoc, font)) { // 自己写方法判断字体是否被页面使用
              resources.remove(fontName);
          }
      }
      singleDoc.save("预处理后的单个文件.pdf");
  }
  

  其中checkFontIsUsed需要解析页面内容流，判断字体名称是否被引用，避免误删必要字体。

四、换用iText合并试试 #

如果PDFBox的方案都不管用，可以换iText 7.x版本来合并，它默认会自动复用相同字体子集，对重复字体的处理更成熟：

PdfWriter writer = new PdfWriter("合并后优化版.pdf");
PdfDocument mergedDoc = new PdfDocument(writer);
PdfMerger merger = new PdfMerger(mergedDoc);

for (String pdfPath : 你的PDF路径列表) {
    PdfDocument sourceDoc = new PdfDocument(new PdfReader(pdfPath));
    merger.merge(sourceDoc, 1, sourceDoc.getNumberOfPages());
    sourceDoc.close();
}
mergedDoc.close();

内容的提问来源于stack exchange，提问作者ma hei pang