我已经搜索了很多地方，但找不到一个很好的解决方案。 所以我想要达到的目标如下： 我的程序将包含大量 PDF 文档，我必须通过邮件发送这些文档。邮件服务器限制为 4 MB。因此，如果所有 PDF 小于 4 MB，它将作为一封邮件发送。否则我将不得不创建多个文件，每个文件小于 4 MB。 现在我的程序适用于以下情况： 1：很多文件，但每个小于 4MB，因此在合并过程中保留一个选项卡，这样合并的文件都不会超过 4MB。 2：所有文件都非常小，因此将它们合并在一起不会达到 4MB 的限制。
但可能存在一个文件，例如 14MB。我可以按页拆分该文档。但这也不是一个好的解决方案，因为页面大小也不是均匀分布在页面上的。我用过 iText 和 PDFBox。任何帮助/指针将不胜感激！
【问题讨论】：
想象一个 3000 KB 的文档，包含十页和以下对象：
单个页面至少需要： - 四个字体子集：4 乘以 50 KB - 单个图像：1 次 200 KB - 四个图像：4 乘以 50 KB - 单个内容流：1 次 50 KB - 略微缩小的交叉引用表、略微缩小的页面树、几乎相同的目录、相同大小的信息字典，... 200 KB
总共有 850 KB。这意味着，如果您将 10 页 3000 KB 的 PDF 文档拆分为 10 个单独的页面，您最终会得到 8500 KB（10 乘以 850 KB）。
此示例是猜测工作的结果（基于经验），它假设 PDF 是可预测的。大多数 PDF 不是：
您自己已经注意到，正如您所写的那样：我可以按页拆分该文档。但这也不是一个好的解决方案，因为页面大小也不是均匀分布在页面中的。
这正是为什么您的问题只能有其他答案的原因：您必须反复试验。没有软件可以在您查看内容之前预测页面需要多少空间该页面需要。
更新：
正如 David 在 cmets 中指出的那样，可以计算一个页面所需的所有资源，并检查当前资源加上所需资源是否超过了最大文件大小。
我写了一个小例子：
public void manipulatePdf(String src, String dest)
throws IOException, DocumentException {
Document document = new Document();
PdfCopy copy = new PdfSmartCopy(document, new FileOutputStream(dest));
document.open();
PdfReader reader = new PdfReader(src);
for (int i = 1; i <= reader.getNumberOfPages(); i++) {
// check resources needed for reader.getPageN(i);
copy.addPage(copy.getImportedPage(reader, i));
System.out.println("After adding page: " + copy.getOs().getCounter());
}
document.close();
System.out.println("After closing document: " + copy.getOs().getCounter());
reader.close();
}
我已经在一个 18 页的 PDF 样本上执行了这个示例，这是输出：
After adding page: 56165
After adding page: 111398
After adding page: 162691
After adding page: 210035
After adding page: 253419
After adding page: 273429
After adding page: 330696
After adding page: 351564
After adding page: 400351
After adding page: 456545
After adding page: 495321
After adding page: 523640
After adding page: 576468
After adding page: 633525
After adding page: 751504
After adding page: 907490
After adding page: 957164
After adding page: 999140
After closing document: 1002509
您会看到副本的文件大小如何随着添加的每一页而逐渐增大。添加完所有页后，大小为999140字节，然后写入页树和交叉引用流，又增加了3369字节。
在上面写着// check resources needed for reader.getPageN(i); 的地方，您可以猜测将为页面添加的大小，如果超过最大值则退出循环。
为什么这是一个猜测：
PdfSmartCopy。假设您的 PDF 中有两个相同的对象。糟糕的PDF软件经常会导致这样的问题。例如：相同的图像字节被添加到文件中两次。 PdfSmartCopy 可以检测到这一点，并将重用它遇到的第一个对象，而不是添加额外对象的冗余字节。我们目前在PdfReader 中没有reader.getTotalPageBytes()，因为PdfReader 尝试使用尽可能少的内存。只要不需要这些对象，它就不会将任何对象加载到内存中。因此在页面被导入之前它并不知道每个对象的大小。
不过，我会确保在下一个版本中添加这样的方法。
更新：
在下一个版本中，您将找到一个名为 SmartPdfSplitter 的工具，它依赖于一个名为 PdfResourceCounter 的新类。你可以这样使用它：
PdfReader reader = new PdfReader(src);
SmartPdfSplitter splitter = new SmartPdfSplitter(reader);
int part = 1;
while (splitter.hasMorePages()) {
splitter.split(new FileOutputStream("results/merge/part_" + part + ".pdf"), 200000);
part++;
}
reader.close();
请注意，如果无法将单页减少到更少的字节，这可能会导致单页 PDF 超出限制（在代码示例中设置为 200000 字节）。在这种情况下，splitter.isOverSized() 将返回 true，您必须找到另一种方法来缩小 PDF。
【讨论】：
PDF Clown 支持 page data size prediction without need of trial and error：自 2010 年以来，它一直采用一种专用方法 (org.pdfclown.tools.PageManager.getSize(Page))，可以在内存中计算实际页面数据大小，而无需需要将其写入文件以供试用。
此外，还有另一种方法 (org.pdfclown.tools.PageManager.split(long maxDataSize)) 专门用于解决您这种利用上述 PageManager.getSize 方法的场景：它会根据大小限制自动拆分文件，而无需创建任何中间文件，丑陋的、愚蠢的、用于试验和错误的临时文件。
您可以在可下载发行版中包含的 org.pdfclown.samples.cli.PageManagementSample（PageDataSizeCalculation 和 DocumentSplitOnMaximumFileSize 案例）中看到其使用的实际示例——这里是来自 PageDataSizeCalculation 案例的控制台输出示例：
Page 1: 29380 (full); 29380 (differential); 29380 (incremental)
Page 2: 30493 (full); 1501 (differential); 30881 (incremental)
Page 3: 21888 (full); 1432 (differential); 32313 (incremental)
Page 4: 33781 (full); 4789 (differential); 37102 (incremental)
. . .
地点：
【讨论】：