【记录版】JAVA压缩PDF中的图片

JAVA + Itextpdf + thumbnailator + 图片压缩

背景： 项目开发中，如果需要处理图片数据，那么压缩步骤必不可少。一方面压缩后存储空间降低，IO、内存等资源消耗也同步减少。在Java开发中，使用thumbnailator压缩图片是一个常规用法，本文仅记录PDF中图片数据压缩成字节数组的场景。

博客内容精选：
1、Servlet请求体重复读&修改新姿势
2、根据请求获取后端接口详情
3、封装Springboot项目的starter-sdk新方式
4、Springboot全局处理完整版
5、itextpdf读取文本时上下行位置错乱
6、JAVA读取PDF表格内容
7、JAVA读取PDF出现内容错乱

具体步骤：
1、通过Itextpdf工具读取PDF，获取图片对象

<dependency>
    <groupId>com.itextpdf</groupId>
    <artifactId>itextpdf</artifactId>
    <version>5.5.13.3</version>
</dependency>

// 首先自定义读取监听器类，将图片数据保存下来
public class PdfContentReader implements RenderListener {
    private final List<ImageRenderInfo> renderImages = new ArrayList<>();

    @Override
    public void beginTextBlock() {
    }

    @Override
    public void renderText(TextRenderInfo textRenderInfo) {
    }

    @Override
    public void endTextBlock() {

    }

	//注意：PDF图片对象为ImageRenderInfo，不是BufferedImage，但可进一步转换
    @Override
    public void renderImage(ImageRenderInfo imageRenderInfo) {
        renderImages.add(imageRenderInfo);
    }
}

// 入口类，通过PdfReader对象和监听器对象，将图片数据抽取出来
PdfReader reader = new PdfReader(localFile.getAbsolutePath());
int pageNum = reader.getNumberOfPages();
PdfReaderContentParser parser = new PdfReaderContentParser(reader);
PdfContentReader listener = new PdfContentReader();
for (int page = 1; page <= pageNum; page++) {
    parser.processContent(page, listener);
}
reader.close();

2、逐个压缩ImageRenderInfo图片数据

	 /**
     * @param requestId 请求ID
     * @param pageNum 页序号
     * @param renderImage PDF图片对象
     * @return 压缩后的字节数组
     * @throws ExtractException 异常
     */
    public static byte[] compressionRenderImage(String requestId, int pageNum, ImageRenderInfo renderImage) throws ExtractException {
        PdfImageObject imageObject = null;
        try {
        	// 此处返回图片对象，特殊PDF可能为null
            imageObject = renderImage.getImage();
            byte[] initData = imageObject.getImageAsBytes();
            // 仅考虑2M以上图片压缩，根据自身业务场景设置
            return initData.length > 2097152 ? compressionBufferImage(requestId, pageNum, initData.length, imageObject.getBufferedImage()) : initData;
        } catch (Throwable e) {
            log.warn("Request[{}] compress render image failed, type: {}, reason: {}", requestId, e.getClass().getSimpleName(), e.getMessage());
            if (imageObject == null) {
                throw new ExtractException("PDF图片获取图片对象为空");
            }
            throw new ExtractException("PDF图片压缩失败");
        }
    }

    /**
     * @param requestId 请求ID
     * @param pageNum 页序号
     * @param imageSize 图片大小
     * @param bufferedImage 图片对象
     * @return 压缩后的字节数组
     * @throws ExtractException 异常
     */
    public static byte[] compressionBufferImage(String requestId, int pageNum, int imageSize, BufferedImage bufferedImage) throws ExtractException {
        int compressCounter = 0;
        long startTime = System.currentTimeMillis();
        // 使用内存字节数据中转，压缩次数尽量少点
        ByteArrayOutputStream out = new ByteArrayOutputStream();
        try {
            int width = bufferedImage.getWidth() / 2;
            int height = bufferedImage.getHeight() / 2;
            do {
            	// 重复使用记得reset下流对象
                out.reset();
                // 此处outputFormat设置格式为jpg，如果设置png，字节数明显变大
                Thumbnails.of(bufferedImage).scalingMode(ScalingMode.BICUBIC).size(width, height).outputQuality(QUALITY).outputFormat("jpg").toOutputStream(out);
                width *= QUALITY;
                height *= QUALITY;
                compressCounter++;
            } while (out.size() > 2097152);
            float durationTime = (System.currentTimeMillis() - startTime) / 1000f;
            // 涉及到重要操作，日志记录要详细点
            log.warn("Request[{}] compress {}th pdf image from {}KB to {}KB after {} times and total cost {}s", requestId, pageNum, imageSize / 1024, out.size() / 1024, compressCounter, durationTime);
            return out.toByteArray();
        } catch (IOException e) {
            throw new ExtractException("BufferedImage字节数据获取失败");
        } finally {
            try {
                out.close();
            } catch (IOException e) {
                log.warn("close compression image byte stream failed");
            }
        }
    }
}

结语：以上内容就是pdf中图片数据的压缩过程了，仅个人项目需求，不具有代表性。虽然简单，其实里面也有几个问题需要注意，如果处理不好，内存、异常问题都不会少。