PDFBox v3.0.0拆分PDF时出现StackOverflowError的解决方法

这个报错是因为PDFBox的COSWriterObjectStream在处理特定PDF的对象引用时，递归调用的深度超过了JVM默认的栈大小。通常是目标页面范围包含了嵌套层级极深，或者存在循环引用的PDF对象，触发了栈溢出。

下面是几个可行的解决办法：

• 调整JVM栈内存
  最简单的临时修复是增大JVM栈大小，启动程序时添加参数-Xss2m（将栈大小设置为2MB，可根据实际情况调整到-Xss4m这类更大的值）。不过要注意，过大的栈内存可能会挤占堆内存，导致其他内存问题，按需调整即可。

• 规范Splitter类的使用
  如果用的是PDFBox自带的Splitter，不要复用同一个实例处理多个页面范围——每次拆分新的范围都新建Splitter对象。同时，拆分完成后务必及时关闭生成的子文档，避免对象引用堆积：

  try (PDDocument sourceDoc = PDDocument.load(new File("source.pdf"))) {
      // 每个范围都新建Splitter
      Splitter splitter = new Splitter();
      splitter.setStartPage(range.getStart());
      splitter.setEndPage(range.getEnd());
      List<PDDocument> splitDocs = splitter.split(sourceDoc);
      for (PDDocument doc : splitDocs) {
          try {
              doc.save("output_" + range.getStart() + "_" + range.getEnd() + ".pdf");
          } finally {
              // 必须关闭子文档
              doc.close();
          }
      }
  } catch (IOException e) {
      e.printStackTrace();
  }
  

• 优化自定义拆分逻辑
  如果你用了自己写的拆分逻辑，别手动递归处理PDF对象，尽量用PDFBox提供的工具类来复制页面和资源。比如调用PDDocument.addPage()时，确保页面关联的资源是被正确复制的，不要保留对源文档对象的深层引用。另外，尝试用PDDocument.saveIncremental()替代普通的save()，能减少递归处理的层级。

• 预处理源PDF
  对存在深层嵌套或循环引用的源PDF，先用PDFBox的PDFOptimizer优化一遍，压缩对象层级、清理无效引用：

  try (PDDocument sourceDoc = PDDocument.load(new File("source.pdf"))) {
      PDFOptimizer optimizer = new PDFOptimizer();
      optimizer.optimize(sourceDoc, new File("optimized_source.pdf"));
  } catch (IOException e) {
      e.printStackTrace();
  }
  

  用优化后的文档进行拆分，能大幅降低递归栈溢出的概率。

• 升级PDFBox版本
  旧版本的PDFBox可能存在递归处理的bug，直接升级到最新的稳定版（比如2.0.x系列的最新版本），官方大概率已经修复了这类栈溢出问题。

内容的提问来源于stack exchange，提问作者malz