如何在PDFBox拆分PDF时缩小拆分后文档的体积？

你遇到的问题根源在于：默认拆分逻辑会让每个单页文档保留原PDF的全量共享资源（比如嵌入字体、全局元数据、未被当前页使用的图像等），这些冗余内容直接推高了单页文档的体积。下面是几个能在拆分过程中完成优化的具体方案，可直接结合你的代码修改：

1. 用PDFBox自带Optimizer自动优化 #

这是最省心的方式，Optimizer类会自动移除未使用资源、压缩内容流，大幅削减冗余：

先导入所需类：

import org.apache.pdfbox.pdmodel.optimize.Optimizer;
import org.apache.pdfbox.pdmodel.optimize.OptimizationOptions;

然后修改保存循环部分：

//Saving each page as an individual document
int i = 1;
while(iterator.hasNext()) {
   PDDocument pd = iterator.next();
   // 配置优化选项
   OptimizationOptions options = new OptimizationOptions();
   options.setRemoveUnusedResources(true); // 移除未使用的资源
   options.setCompressContentStreams(true); // 压缩内容流
   // 执行优化
   Optimizer.optimize(pd, options);
   // 保存优化后的文档
   pd.save("sample"+ i++ +".pdf");
   // 必须关闭单页文档，避免内存泄漏
   pd.close();
}

2. 手动清理冗余资源（精细控制） #

如果自动优化不够彻底，可手动遍历单页资源，精准移除未被当前页使用的字体、图像：

导入所需类：

import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
import java.util.Set;
import java.util.Map;

修改保存循环：

int i = 1;
while(iterator.hasNext()) {
   PDDocument pd = iterator.next();
   PDPage page = pd.getPage(0);
   PDResources resources = page.getResources();

   // 清理未使用的字体
   Set<String> usedFontNames = resources.getFontNames();
   Map<String, PDFont> fonts = resources.getFonts();
   fonts.entrySet().removeIf(entry -> !usedFontNames.contains(entry.getKey()));

   // 清理未使用的图像
   Set<String> usedImageNames = resources.getXObjectNames();
   Map<String, ?> xObjects = resources.getXObjects();
   xObjects.entrySet().removeIf(entry -> !usedImageNames.contains(entry.getKey()) 
                                       && entry.getValue() instanceof PDImageXObject);

   pd.save("sample"+ i++ +".pdf");
   pd.close();
}

3. 针对图片密集型PDF的图像压缩 #

如果原PDF包含高分辨率图片，可通过调整图像参数进一步压缩：

导入所需类：

import org.apache.pdfbox.pdmodel.optimize.OptimizationOptions;
import org.apache.pdfbox.pdmodel.optimize.ImageOptions;

修改保存循环：

int i = 1;
while(iterator.hasNext()) {
   PDDocument pd = iterator.next();
   OptimizationOptions options = new OptimizationOptions();
   ImageOptions imageOptions = new ImageOptions();
   imageOptions.setMaxResolution(72); // 限制图像分辨率为72DPI（适合屏幕显示）
   imageOptions.setJpegQuality(0.5f); // 设置JPEG压缩质量（0-1之间，0.5平衡体积与画质）
   options.setImageOptions(imageOptions);
   Optimizer.optimize(pd, options);
   pd.save("sample"+ i++ +".pdf");
   pd.close();
}

额外注意事项 #

• 务必在保存后关闭每个单页的PDDocument对象，否则会造成内存泄漏，甚至导致文件写入不完整。
• 如果原PDF是加密状态，需先确保文档已正确解密后再执行优化操作。

内容的提问来源于stack exchange，提问作者Sanket Gupta