夜雨聆风在日常工作中，我们经常遇到需要拆分大型PDF文件的场景：
比如将一份几百页的报告按章节拆分，或者把一个超大PDF 分割成多个便于传输的小文件，然后调用类似 MinerU 等智能文档识别工具去进一步处理。
然而，很多人踩过这个坑：拆分后的多个PDF文件加起来，竟然比原始文件大很多！有的甚至膨胀 2-3 倍。
今天我们就来介绍 PDFBox 中的三种拆分方案，看看哪一种能真正做到“体积几乎不膨胀”。
▌方案一：importPage 方式
PDDocument newDoc = new PDDocument();for (int i = start; i < end; i++) {PDPage page = sourceDoc.getPage(i);newDoc.importPage(page);}newDoc.save("part_" + index + ".pdf");
▌原理：直接导入页面引用，看似高效。
实测结果：❌ 总体积膨胀约2-3倍。因为每个新PDF都会复制原始文件的字体、图片等资源。
▌方案二：addPage + 压缩参数
for(int s=0; s<total; s+=PER){int e = Math.min(s+PER, total);try(PDDocument sub = new PDDocument()){for(int p=s; p<e; p++){PDPage pg = source.getPage(p);sub.addPage(pg);}// 关键：保存传入压缩参数，大幅瘦身sub.save(new File("part"+idx+".pdf"), compressCfg);idx++;}}
▌原理：复制页面并显式传入压缩配置。
实测结果：⚠️ 比方案一略好，但总体积仍膨胀2倍左右。压缩参数只能缓解，无法根治。
▌方案三：Splitter 方案（最佳推荐）
import org.apache.pdfbox.multipdf.Splitter;Splitter splitter = new Splitter();splitter.setSplitAtPage(50); // 每50页一个文件List<PDDocument> splitDocuments = splitter.split(sourceDoc);int idx = 1;for (PDDocument doc : splitDocuments) {doc.save("part_" + idx + ".pdf");doc.close();idx++;}
▌原理：Splitter是PDFBox专门为拆分场景设计的工具，它会智能复用原始PDF中的共享资源，而不是每个文件都复制一份。
实测结果：✅ 总体积几乎只 增加1% 左右！
▌对比总结：
方案 体积膨胀 速度 推荐度
importPage 2-3倍 快 ⭐
copy + 压缩 约2倍 中等 ⭐⭐
Splitter 约1% 快 ⭐⭐⭐⭐⭐
▌为什么 Splitter 能做到体积几乎不膨胀？
PDF文件内部有字体、图片、颜色空间等共享资源。方案一和方案二在拆分时，每个小PDF都会复制一份完整的资源副本，导致总体积膨胀。
而Splitter采用了智能资源复用机制：
多个拆分文件共享同一份资源定义，仅复制实际被页面引用的资源，保持原始压缩 方式不变。
▌注意事项
使用Splitter时，如果原始PDF包含破损的书签或链接，可能遇到空指针异常。解决方法很简单：拆分前清除书签即可。
// 1. 清除书签，避免拆分报错if (sourceDoc.getDocumentCatalog().getDocumentOutline() != null) {sourceDoc.getDocumentCatalog().setDocumentOutline(null);}// 2. 清除命名目标（Named Destinations）...// 3. 遍历所有页面，清除页面中的链接注解（这是关键！）...
课代表小结
如果你需要拆分大型PDF文件，并且希望拆分后的总体积几乎不膨胀，Splitter方案，是你的最佳选择。它不仅体积控制出色，代码也简洁优雅，性能表现优秀。
下次遇到PDF拆分需求，记得用对方法哦！
▌往期推荐：
深度解析｜五大主流 Agent 记忆设计范式，从原理到落地全覆盖
好了，本期内容就是这么多，希望能够帮助到您，感谢您能读到最后，如果觉得内容不错，请您点赞转发给予鼓励。👇👇👇
