使用iText7的PdfSplitter分割PDF时文件大小倍增的问题咨询

问题描述 #

使用iText7中的PdfSplitter分割PDF文件时，单个分割文件的大小会翻倍；若分割为多个文件，总大小会呈倍数增长。将这些分割后的文件重新合并后，得到的文件大小为原文件的n倍。如何避免这种情况？

测试文件：TestFile

相关代码 #

private sealed class _PdfSplitter_95 : PdfSplitter
{
    public _PdfSplitter_95(PdfDocument baseArg1, string pdfPath)
        : base(baseArg1)
    {
        this._pdfPath = pdfPath;
    }

    string _pdfPath;
    int currPageIndex = 0;
    protected override PdfWriter GetNextPdfWriter(PageRange documentPageRange)
    {
        currPageIndex++;
        return new PdfWriter(_pdfPath.Replace(".pdf", $"_{currPageIndex}.pdf"));
    }
}


static void Main(string[] args)
{
    string inputFileName = @"TestSplit.pdf";
    using (PdfDocument inputPdfDoc = new PdfDocument(new PdfReader(inputFileName)))
    {
        _PdfSplitter_95 _PdfSplitter_95 = new _PdfSplitter_95(inputPdfDoc, inputFileName);

        IList<PdfDocument> splitDocuments = _PdfSplitter_95.SplitByPageCount(1);
        foreach (PdfDocument doc in splitDocuments)
        {
            doc.Close();
        }
    }
}

解决方案 #

问题出在默认情况下，PdfSplitter会把原PDF里的所有共享资源（比如字体、图片、表单模板这些）完整复制到每个分割后的文件里，导致每个小文件都带着重复的资源，总大小自然就暴涨了。可以用这两种方法解决：

1. 开启资源重用优化（推荐） #

创建PdfWriter的时候，给它加个WriterProperties配置，让iText自动复用原文档的共享资源，避免重复复制：

protected override PdfWriter GetNextPdfWriter(PageRange documentPageRange)
{
    currPageIndex++;
    // 配置WriterProperties，开启资源重用
    WriterProperties properties = new WriterProperties()
        .SetReuseXObject(true)
        .SetReuseFont(true);
    return new PdfWriter(_pdfPath.Replace(".pdf", $"_{currPageIndex}.pdf"), properties);
}

• SetReuseXObject(true)：重用图片、表单这类XObject资源
• SetReuseFont(true)：重用字体资源
  开了这俩配置，分割后的文件只会保留当前页面需要的资源，共享资源不会重复存储。

2. 手动复制必要资源（复杂版） #

如果需要更精细的控制，可以在分割时通过PdfSplitter的构造参数或自定义逻辑，只复制当前页面依赖的资源。不过这种方法复杂度较高，一般优先用第一种方案。

额外优化：压缩输出文件 #

还能在WriterProperties里开启压缩，进一步缩小文件体积：

WriterProperties properties = new WriterProperties()
    .SetReuseXObject(true)
    .SetReuseFont(true)
    .SetCompressionLevel(CompressionLevel.BEST_COMPRESSION);

验证效果 #

修改代码后重新分割，单个文件的大小会接近原文件单页的实际大小，总大小也会大幅降低；合并后的文件大小与原文件基本一致（或略大，因为合并时可能会有少量额外结构）。

内容的提问来源于stack exchange，提问作者zhusp