学习笔记（Java篇）：Java操作文件之PDF（1）

1、前言

        开发过程中遇到的问题：将一个PDF文件进行拆分，例如该文件有20页，需要将其拆分成20个文件单独存放每一页（感觉很离谱的需求），亦或是将指定某些页单独取出来。又或者说是需要将PDF文件进行转储图片文件，因为前端读取图片要比读取文件展示的效率高一些。所以本篇将介绍Java操作PDF将其进行拆分或者转储图片。

2、简述思路

        1、首先将传入的文件转换成流，转换成流之后，可以使用apache的pdfbox中的PDDocument对象加载这个流从而使其变成一个可作为PDF操作的文件对象。

        2、PDDocument对象中提供了很多个可供使用的API，我们可以直接调用其中的API进行操作PDF文件。

        3、然后PDDocument还可以被转换为另一个对象PDFRenderer，此类可以将PDF文件渲染成图片的格式。

3、PDF拆分 

        在操作PDF之前需要得到对应的PDF对象，无论我们得到的是文件连接还是File对象，都必须先将其转换为流的形式。

//通过文件连接转化成流
InputStream inputStream = OkHttpUtil.downloadFile(pdfUrl);
//通过File对象转化成为流
File file = new File(filePath);//文件路径
InputStream inputStream = new FileInputStream(file);
//将文件流转化成可操作的PDDocument对象
PDDocument document = PDDocument.load(inputStream);

然后就可以直接操作这个PDDocument对象对其进行拆分。在PDDocument对象提供的API中，可以直接获取到PDF文件的页码信息。

下面简单列举一些此处用到的方法，其余未用到的暂时不列举，可参考源码：

1、document.getPage(int pageIndex);获取第N页，返回一个PDPage对象。

2、document.getPages();获取所有页，返回一个PDPageTree包含所有页数据的对象。

3、document.getNumberOfPages();底层还是document.getPages().getCount();获取该文件总共有多少页。

4、document.addPage(PDPage page);为当前PDF添加一页（尾部追加）。

5、document.save(OutputStream os);将该PDF作为输出流进行保存。初次之外还支持传入File对象与文件名的字符串类型，这些是用作保存为文件类型。

6、document.close();在操作完毕之后执行关闭Document对象（下面再介绍为何必须执行）。

上代码：

public static void main(String[] args) {
        String inputFilePath = "path/to/input.pdf";
        String outputDirectory = "path/to/output/directory";

        try {
            //加载文件使之成为流
            InputStream inputStream = OkHttpUtil.downloadFile(pdfUrl);
            //转化为PDDocument对象
            PDDocument document = PDDocument.load(inputStream);
            //获取总页数
            int pageCount = document.getNumberOfPages();
            //循环分别将每一页输出到指定路径
            for (int i = 0; i < pageCount; i++) {
                
                PDPage page = document.getPage(i);

                PDDocument newDocument = new PDDocument();
                newDocument.addPage(page);
                //拼出文件名（包含本地路径）
                String outputFilePath = outputDirectory + File.separator + "page_" + (i + 1) + ".pdf";
                newDocument.save(outputFilePath);
                newDocument.close();
            }
            document.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

这样就完成了文件拆分输出，如若想要按照指定条件拆分，例如1-10页作为一个文件输出，11-20合并输出等，只需要改变循环条件，并按照需要对newDocument进行addPage();即可。

4、转储图片

        PDF文件可能在前端加载起来需要较长的时间，但是图片的效率会更高，所以有时候会需要将PDF文件转化为图片格式进行输出。

        这就牵涉到另一个对象：PDFRenderer.这个类支持将PDF渲染成图片的形式。简单介绍一下用到的方法：

1、renderer.renderImage(int pageIndex, float scale);此方法将执行页码的PDF渲染成图片，scale指的是渲染图片的缩放比例，可以不传，不传默认为1是原始大小，1=72DPI

2、renderer.renderImageWithDPI(int pageIndex, float dpi, ImageType type);功能同上，可指定DPI。ImageType用于指定图片渲染方式，不传默认为RGB（意为red,green,blue红绿蓝三原色渲染）。

PDFRenderer renderer = new PDFRenderer(document);
BufferedImage image = renderer.renderImage(page, scale);
//将图片写到指定路径
ImageIO.write(image, "jpg", new File(path));

像这样将其渲染成指定图片之后，就可以对其进行保存等操作。

5、图片拼接

        关于BufferedImage，在此做一下简单的介绍：这是一个Image的实现类，可以将图片加载到内存，通过此类，可以对图像进行一些简单的操作。

        创建对象的时候，我们可以直接指定图像的宽高以及渲染方式，例如：

BufferedImage resultImage = new BufferedImage(maxWidth, totalHeight, BufferedImage.TYPE_INT_RGB);

然后此篇主要介绍将图片拼接到一起的方式，这需要用到另外一个类Graphics2D,它提供对几何图形、坐标转换、颜色管理和文本布局的更复杂的控制。这是在Java（tm）平台上渲染二维形状、文本和图像的基本类。

先上代码：

/**
     * 拼接图片(垂直拼接，image在上，bufferedImage在下)
     * @param image
     * @param bufferedImage
     * @return
     */
    public static BufferedImage concatenateImagesVertically(BufferedImage image, BufferedImage bufferedImage) {
        //为适应图片，需要将拼接的两张图片的最大宽高取出
        //垂直拼接，方式为高度取二者之和，宽取二者中最大值
        //水平拼接，方式为宽度取二者之和，高取二者中最大值
        //以下为垂直拼接
        int totalHeight = image.getHeight() + bufferedImage.getHeight();
        int maxWidth = Math.max(image.getWidth(), bufferedImage.getWidth());
        //首先创建一个指定大小的空对象
        BufferedImage resultImage = new BufferedImage(maxWidth, totalHeight, BufferedImage.TYPE_INT_RGB);
        //然后将该对象转换为可被操作的Graphics2D对象
        Graphics2D g2d = resultImage.createGraphics();
        //向该对象中拼入第一张图片
        g2d.drawImage(image, 0, 0, null);
        //向该对象拼入第二章图片
        g2d.drawImage(bufferedImage, 0, image.getHeight(), null);
        //最后处理该图像，此操作会释放占用的资源，之后将无法继续操作Graphics2D对象
        g2d.dispose();

        return resultImage;
    }

以上方法实现了将两个BufferedImage对象拼合到一起的过程，最后返回一个经过拼接的BufferedImage对象。

6、写在最后

        本文主要介绍了将一个PDF文件进行拆分并转储图片的流程，可以在一定程度上解决页面加载文件效率的问题。以上所用内容基本都在Java提供的API里面，详细研究可以参考Java源码。

附流程源码（传入文件下载连接，输出图片连接）：

public String pdfDecompose(String pdfUrl) {
        try {
            InputStream inputStream = OkHttpUtil.downloadFile(pdfUrl);
            PDDocument document = PDDocument.load(inputStream);
            int pageCount = document.getNumberOfPages();
            BufferedImage bufferedImage = new BufferedImage(0,0, 1);
            for (int i = 0; i < pageCount; i++) {
                PDDocument newDocument = new PDDocument();
                PDPage page = document.getPage(i);
                newDocument.addPage(page);
                //pdf转储图片文件
                PDFRenderer renderer = new PDFRenderer(newDocument);
                int numberOfPages = newDocument.getNumberOfPages();
                BufferedImage image = renderer.renderImage(numberOfPages, 1);
                concatenateImagesVertically(bufferedImage,image);
                newDocument.close();
            }
            document.close();
            //TODO 上传返回
        } catch (IOException e) {
            e.printStackTrace();
        }
        return null;
    }

    /**
     * 拼接图片(垂直拼接，image在上，bufferedImage在下)
     * @param image
     * @param bufferedImage
     * @return
     */
    public static BufferedImage concatenateImagesVertically(BufferedImage image, BufferedImage bufferedImage) {
        int totalHeight = image.getHeight() + bufferedImage.getHeight();
        int maxWidth = Math.max(image.getWidth(), bufferedImage.getWidth());

        BufferedImage resultImage = new BufferedImage(maxWidth, totalHeight, BufferedImage.TYPE_INT_RGB);
        Graphics2D g2d = resultImage.createGraphics();

        g2d.drawImage(image, 0, 0, null);
        g2d.drawImage(bufferedImage, 0, image.getHeight(), null);

        g2d.dispose();

        return resultImage;
    }