腳本之家服務器常用軟件

快捷導航

如何通過Java實現(xiàn)PDF轉高質量圖片

更新時間：2024年10月28日 08:27:31 作者：威哥愛編程

在Java中,將PDF文件轉換為高質量的圖片可以使用不同的庫,其中最常用的庫之一是?Apache?PDFBox,下面我們就來看看這個庫的具體使用吧

在Java中，將PDF文件轉換為高質量的圖片可以使用不同的庫，其中最常用的庫之一是 Apache PDFBox。通過該庫，你可以讀取PDF文件，并將每一頁轉換為圖像文件。為了提高圖像的質量，你可以指定分辨率等參數(shù)。此外，也可以結合 Java ImageIO 來保存生成的圖片文件。

如何實現(xiàn)

下面V哥通過一個詳細的案例，來展示如何使用 PDFBox 實現(xiàn) PDF 轉高質量圖片：

所需依賴

首先，確保你已經(jīng)在項目中添加了 PDFBox 依賴。你可以通過Maven來添加：

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.29</version> <!-- 確保使用最新的版本 -->
</dependency>

實現(xiàn)步驟

先來捋一下實現(xiàn)步驟哈。

加載 PDF 文件
設置渲染參數(shù)（如 DPI 來控制圖片分辨率）
將每頁 PDF 渲染為圖片
保存圖片

通過以上1，2，3，4個步驟，咱們具體來實現(xiàn)一下代碼：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.rendering.PDFRenderer;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

public class VGPdfToImage {

    public static void main(String[] args) {
        // PDF文件路徑
        String pdfFilePath = "path/to/your/pdf/vg_doc.pdf";
        // 輸出圖片文件夾路徑
        String outputDir = "path/to/output/images/";

        // 設置DPI（越高圖片越清晰，但文件也會更大）
        int dpi = 300;

        try (PDDocument document = PDDocument.load(new File(pdfFilePath))) {
            PDFRenderer pdfRenderer = new PDFRenderer(document);
            
            // 遍歷PDF每一頁并轉換為圖片
            for (int page = 0; page < document.getNumberOfPages(); ++page) {
                // 使用BufferedImage來表示圖像
                BufferedImage bim = pdfRenderer.renderImageWithDPI(page, dpi);
                
                // 生成文件名
                String fileName = outputDir + "pdf_page_" + (page + 1) + ".png";
                
                // 將圖片保存為PNG格式
                ImageIO.write(bim, "png", new File(fileName));
                
                System.out.println("Saved page " + (page + 1) + " as image.");
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

來解釋一下

PDFRenderer: PDFBox 提供的 PDFRenderer 類用于將 PDF 文檔頁渲染為圖像對象（BufferedImage）。
renderImageWithDPI: 該方法可以指定DPI（每英寸點數(shù)），它直接影響圖片的分辨率。通常，72 DPI 是屏幕顯示的默認分辨率，而300 DPI 被視為高質量打印的分辨率。
ImageIO: Java的 ImageIO 用于將 BufferedImage 保存為 PNG、JPEG 等常見圖片格式。

輸出效果

每一頁的PDF將被單獨渲染為一張圖片，并且通過高DPI參數(shù)設置，圖片的質量較高。
輸出的文件路徑為 outputDir 指定的路徑，圖片將被保存為PNG格式。你也可以更改保存格式為JPEG等。

可調整的項有

DPI 設置: 如果你希望輸出更高質量的圖片，可以將 DPI 設置為 300 或更高。如果需要快速渲染且質量要求不高，可以設置為72 DPI。
圖片格式: ImageIO.write() 可以使用不同的格式，如 "jpg"、"png"，根據(jù)需求調整。

注意一下，確保你的PDFBox庫版本是較新的版本，如2.x系列，來保證支持更多的PDF功能和修復潛在問題。

以上就是一個簡單的實現(xiàn)過程DEMO，那在實際應用中，一定會有特定問題，問題來了，如何你要處理的 PDF 文件比較大，或者頁數(shù)比較多，那必定是要考慮性能問題滴。就這兩個問題，V 哥來優(yōu)化一下。

兩個可能的性能優(yōu)化問題

緩存策略：對于較大的 PDF 文件，你可以使用某些緩存策略來優(yōu)化性能。
并行處理：如果你需要處理很多頁的 PDF，可以通過多線程并行處理每一頁以提升速度。

緩存策略優(yōu)化

當要處理較大的 PDF 文件時，咱們使用緩存策略可以顯著優(yōu)化性能，特別是對于那些需要處理多個頁面或反復渲染的情況。對于 PDF 渲染操作，緩存策略主要是為了減少對磁盤或內存的反復訪問，從而加快讀取、渲染速度并節(jié)省內存。

在 Java 中，可以通過以下幾種方式實現(xiàn)緩存優(yōu)化：

內存緩存：將已處理的頁面保存在內存中，當需要重復訪問這些頁面時直接從緩存中獲取。
磁盤緩存：如果內存不足以緩存所有頁面，可以將頁面渲染結果或部分中間數(shù)據(jù)緩存到磁盤上。
逐頁處理：只在需要時加載并處理某些頁面，而不是一次性加載整個PDF文件。

采用實現(xiàn)內存緩存的案例

采用內存緩存，咱們可以使用 ConcurrentHashMap 來實現(xiàn)，將已經(jīng)渲染的 PDF 頁面存儲在內存中，避免重復渲染。

來看一個使用內存緩存的詳細實現(xiàn)案例：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.rendering.PDFRenderer;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.util.concurrent.ConcurrentHashMap;

public class PdfToImageWithCache {

    // 用于緩存已渲染的PDF頁面（使用ConcurrentHashMap確保線程安全）
    private static final ConcurrentHashMap<Integer, BufferedImage> imageCache = new ConcurrentHashMap<>();
    private static final int dpi = 300; // 高質量DPI設置
    
    public static void main(String[] args) {
        // PDF文件路徑
        String pdfFilePath = "path/to/your/large/pdf/ vg_doc.pdf";
        // 輸出圖片文件夾路徑
        String outputDir = "path/to/output/images/";

        try (PDDocument document = PDDocument.load(new File(pdfFilePath))) {
            PDFRenderer pdfRenderer = new PDFRenderer(document);
            
            // 獲取頁面總數(shù)
            int totalPages = document.getNumberOfPages();
            System.out.println("Total pages: " + totalPages);
            
            // 渲染并緩存每一頁
            for (int page = 0; page < totalPages; ++page) {
                BufferedImage image = renderPageWithCache(pdfRenderer, page);
                
                // 保存圖片
                String fileName = outputDir + "pdf_page_" + (page + 1) + ".png";
                ImageIO.write(image, "png", new File(fileName));
                
                System.out.println("Saved page " + (page + 1) + " as image.");
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    /**
     * 使用緩存渲染PDF頁面
     * @param pdfRenderer PDFRenderer實例
     * @param page 頁碼（從0開始）
     * @return 緩存或渲染后的BufferedImage
     */
    private static BufferedImage renderPageWithCache(PDFRenderer pdfRenderer, int page) throws IOException {
        // 檢查緩存是否已存在該頁面的圖像
        if (imageCache.containsKey(page)) {
            System.out.println("Page " + (page + 1) + " found in cache.");
            return imageCache.get(page);
        }

        // 如果緩存中不存在，則渲染并存入緩存
        System.out.println("Rendering page " + (page + 1) + "...");
        BufferedImage image = pdfRenderer.renderImageWithDPI(page, dpi);
        imageCache.put(page, image);
        return image;
    }
}

解釋一下代碼

內存緩存（ConcurrentHashMap）:

使用 ConcurrentHashMap<Integer, BufferedImage> 作為緩存結構，Integer 代表頁面的索引（從0開始），BufferedImage 代表已渲染的圖像。
每次渲染頁面前，先檢查緩存中是否存在該頁面的圖像，如果已存在，則直接返回緩存的圖像，否則渲染并保存到緩存中。

renderPageWithCache 方法:

該方法首先檢查頁面是否在緩存中，如果在，則直接從緩存中獲取。
如果緩存中不存在該頁面的圖像，則渲染并將其保存到緩存中。

DPI 設置:

dpi 參數(shù)設置為300以確保輸出的圖像質量足夠高。

逐頁渲染:

使用 for 循環(huán)逐頁處理，避免一次性加載所有頁面到內存。對于每頁圖像的渲染，若該頁面已經(jīng)渲染過，則直接從緩存中獲取。

這樣優(yōu)化的好處是啥

內存緩存的好處:

當你需要多次訪問或保存某些頁面時，內存緩存可以避免重復渲染，從而提升性能。
對于較大的PDF文件，如果反復操作相同的頁面，緩存能顯著減少處理時間。

并發(fā)支持:

ConcurrentHashMap 保證了在多線程環(huán)境下緩存操作的安全性，可以安全地在多線程中使用。

控制內存占用:

如果內存使用量過大，可以根據(jù)情況定期清理緩存，或者在緩存中限制最大保存數(shù)量，使用類似LRU（最近最少使用）策略來清除舊緩存。

實現(xiàn)磁盤緩存的案例

接下來，咱們看一個使用磁盤緩存要怎么實現(xiàn)，如果 PDF 文件較大，內存無法保存全部頁面的圖像，我的天啊，那要怎么辦？就是可以使用磁盤緩存，將渲染結果暫時保存到磁盤。

來看下面這個磁盤緩存策略實現(xiàn)，將渲染的圖像保存為臨時文件，并在需要時從磁盤加載：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.rendering.PDFRenderer;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

public class PdfToImageWithDiskCache {

    private static final int dpi = 300; // 高質量DPI設置
    private static final String cacheDir = "path/to/cache/";

    public static void main(String[] args) {
        // PDF文件路徑
        String pdfFilePath = "path/to/your/large/pdf/vg_doc.pdf";
        // 輸出圖片文件夾路徑
        String outputDir = "path/to/output/images/";

        try (PDDocument document = PDDocument.load(new File(pdfFilePath))) {
            PDFRenderer pdfRenderer = new PDFRenderer(document);
            int totalPages = document.getNumberOfPages();

            for (int page = 0; page < totalPages; ++page) {
                BufferedImage image = renderPageWithDiskCache(pdfRenderer, page);

                // 保存圖片
                String fileName = outputDir + "pdf_page_" + (page + 1) + ".png";
                ImageIO.write(image, "png", new File(fileName));
                System.out.println("Saved page " + (page + 1) + " as image.");
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    /**
     * 使用磁盤緩存渲染PDF頁面
     * @param pdfRenderer PDFRenderer實例
     * @param page 頁碼（從0開始）
     * @return 緩存或渲染后的BufferedImage
     */
    private static BufferedImage renderPageWithDiskCache(PDFRenderer pdfRenderer, int page) throws IOException {
        // 磁盤緩存文件路徑
        File cachedFile = new File(cacheDir + "page_" + page + ".png");

        // 如果緩存文件已存在，則從磁盤加載
        if (cachedFile.exists()) {
            System.out.println("Loading page " + (page + 1) + " from disk cache.");
            return ImageIO.read(cachedFile);
        }

        // 如果緩存文件不存在，則渲染并保存到磁盤
        System.out.println("Rendering page " + (page + 1) + "...");
        BufferedImage image = pdfRenderer.renderImageWithDPI(page, dpi);
        ImageIO.write(image, "png", cachedFile);
        return image;
    }
}

代碼解釋

緩存到磁盤: 通過 ImageIO.write() 將渲染的圖像保存到磁盤上，如果該頁面已經(jīng)有緩存文件，則直接從磁盤讀取。
緩存文件路徑: 每個頁面有對應的緩存文件名，避免重復渲染和保存。
適用于內存不足的情況: 當內存不足時，可以通過磁盤緩存減輕內存負擔，同時仍然保留較好的訪問速度。

通過這樣的優(yōu)化策略，咱們就可以在處理較大的 PDF 文件時，顯著提升性能并減少資源消耗。

并行處理優(yōu)化

接下來，看第二個問題：在處理很多頁的 PDF 文件時，通過多線程并行處理每一頁可以讓處理速度顯著提升，尤其是在每頁渲染操作耗時較長的情況下。Java 提供了多線程的機制，咱們就用 ExecutorService 可以方便地管理和執(zhí)行多線程任務。

下面來看一下如何實現(xiàn)哈，使用多線程并行處理 PDF 文件的每一頁，將其轉換為高質量圖片。

主要步驟有三個

使用 ExecutorService 來創(chuàng)建線程池。
每個線程獨立處理一頁 PDF，將其渲染為圖片。
線程任務執(zhí)行完畢后，統(tǒng)一關閉線程池。

具體的代碼實現(xiàn)

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.rendering.PDFRenderer;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;

public class PdfToImageWithMultithreading {

    // 設置DPI用于高質量渲染
    private static final int dpi = 300;

    public static void main(String[] args) {
        // PDF文件路徑
        String pdfFilePath = "path/to/your/large/pdf/vg_doc.pdf";
        // 輸出圖片文件夾路徑
        String outputDir = "path/to/output/images/";

        // 線程池大?。梢愿鶕?jù)CPU核心數(shù)量或需要并行的任務數(shù)進行調整）
        int numThreads = Runtime.getRuntime().availableProcessors();
        ExecutorService executorService = Executors.newFixedThreadPool(numThreads);

        try (PDDocument document = PDDocument.load(new File(pdfFilePath))) {
            PDFRenderer pdfRenderer = new PDFRenderer(document);
            int totalPages = document.getNumberOfPages();
            System.out.println("Total pages: " + totalPages);

            // 為每一頁創(chuàng)建一個并行處理任務
            for (int page = 0; page < totalPages; page++) {
                final int currentPage = page;  // 需要用final修飾以便在多線程中使用
                executorService.submit(() -> {
                    try {
                        renderAndSavePage(pdfRenderer, currentPage, outputDir);
                    } catch (IOException e) {
                        e.printStackTrace();
                    }
                });
            }
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            // 關閉線程池
            executorService.shutdown();
            try {
                // 等待所有線程任務完成
                if (!executorService.awaitTermination(60, TimeUnit.MINUTES)) {
                    System.err.println("Some tasks did not finish within the timeout.");
                }
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }

    /**
     * 渲染PDF頁面并保存為圖片
     * @param pdfRenderer PDFRenderer實例
     * @param page 頁碼（從0開始）
     * @param outputDir 輸出目錄
     * @throws IOException 如果發(fā)生IO錯誤
     */
    private static void renderAndSavePage(PDFRenderer pdfRenderer, int page, String outputDir) throws IOException {
        // 渲染頁面為高質量圖片
        BufferedImage image = pdfRenderer.renderImageWithDPI(page, dpi);
        
        // 保存圖片文件
        String fileName = outputDir + "pdf_page_" + (page + 1) + ".png";
        ImageIO.write(image, "png", new File(fileName));
        System.out.println("Saved page " + (page + 1) + " as image.");
    }
}

來詳細解釋一下代碼和思路

1. 線程池的使用

ExecutorService ：我們使用 Executors.newFixedThreadPool(numThreads) 來創(chuàng)建一個固定大小的線程池，其中 numThreads 是線程的數(shù)量。通過 Runtime.getRuntime().availableProcessors() 獲取 CPU 核心數(shù)作為線程池大小的依據(jù)，通常這個值是處理器核心數(shù)。
submit() ：將任務提交給線程池，submit() 方法會立即返回，不會阻塞主線程，從而能夠讓多個頁面同時處理。

2. 任務分配