使用PDFBox LayerUtility导入页面为表单导致PDF文件大小翻倍

我有一个两页内容完全相同的PDF，使用Apache PDFBox的LayerUtility将每页导入为表单对象并生成新PDF后，输出文件大小直接翻倍了。

原因 #

你的代码里每次循环都会创建新的LayerUtility实例，并且重复导入相同的页面资源。因为原PDF两页的资源完全一致，但每次importPageAsForm都会把页面的资源（图片、字体等）复制到新文档里，两次导入就导致相同资源被存储了两次，最终文件大小翻倍。

解决方案 #

只需要导入一次表单对象，然后在两个新页面上重复绘制这个表单即可，这样资源只会被存储一次，文件大小就会和原文件相近。

修改后的代码：

import org.apache.pdfbox.Loader;
import org.apache.pdfbox.io.RandomAccessReadBufferedFile;
import org.apache.pdfbox.multipdf.LayerUtility;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import java.util.stream.IntStream;

public class FormSample {
    public static void main (String[] args) {
        try {
            try (var inputDocument = Loader.loadPDF(new RandomAccessReadBufferedFile("test.pdf"));
                 var outputDocument = new PDDocument()) {
                // 只导入一次表单对象（取第一页即可，因为两页内容相同）
                LayerUtility layerUtility = new LayerUtility(outputDocument);
                var form = layerUtility.importPageAsForm(inputDocument, inputDocument.getPage(0));
                
                IntStream.range(0, inputDocument.getNumberOfPages()).forEach(pageIndex -> {
                    try {
                        var readPage = inputDocument.getPage(pageIndex);
                        var newPage = new PDPage(readPage.getMediaBox());
                        outputDocument.addPage(newPage);

                        try (var contentStream = new PDPageContentStream(outputDocument, newPage)) {
                            contentStream.drawForm(form);
                        }
                    } catch (Exception e) {
                        throw new RuntimeException(e);
                    }
                });
                outputDocument.save("form_test.pdf");
            }
        } catch (Exception e) {
            throw new RuntimeException(e);
        }
    }
}

额外优化 #

如果原PDF页数更多且存在重复页面，你还可以先缓存已导入的表单对象，避免重复导入相同内容的页面，进一步减少文件体积。

内容的提问来源于stack exchange，提问作者Kyle KYL