使用Docx4j和PdfBox將Docx轉換爲圖像會導致OutOfMemoryError

Question

我正在使用dox4j和pdfbox將兩個步驟中的docx文件的第一頁轉換爲圖像，但我目前每次都得到OutOfMemoryError。

我已經能夠確定在這個過程的最後一步拋出異常，而convertToImage方法被調用，但是我一直在使用這種方法的第二步來轉換PDF現在沒有問題了，所以我不知道什麼可能是原因，除非dox4j編碼PDF是一種我尚未測試或者已經損壞的方法。

我試過用FileOutputStream替換ByteArrayOutputStream，並且pdf似乎能正確渲染並不比我預想的大。

這是我使用的代碼：

WordprocessingMLPackage wordMLPackage = WordprocessingMLPackage.load(file); 
org.docx4j.convert.out.pdf.PdfConversion c = new org.docx4j.convert.out.pdf.viaXSLFO.Conversion(wordMLPackage); 

((org.docx4j.convert.out.pdf.viaXSLFO.Conversion)c).setSaveFO(File.createTempFile("fonts", ".fo")); 
ByteArrayOutputStream os = new ByteArrayOutputStream(); 
c.output(os, new PdfSettings()); 

byte[] bytes = os.toByteArray(); 
os.close(); 

ByteArrayInputStream is = new ByteArrayInputStream(bytes); 

PDDocument document = PDDocument.load(is); 

PDPage page = (PDPage) document.getDocumentCatalog().getAllPages().get(0); 
BufferedImage image = page.convertToImage(BufferedImage.TYPE_INT_RGB, 96); 

is.close(); 
document.close(); 

編輯 要查看關於這種情況更多的情況下，該代碼被在一個Grails web的應用程序運行。我已經嘗試了幾種不同的代碼，包括將不再需要的所有東西都清空，使用FileInputStream和FileOutputStream來保存更多的物理內存，並檢查docx4j和pdfbox的輸出，這些輸出似乎都能正常工作。

我使用的是docx4j 2.8.1和pdfbox 0.7.3，我也嘗試過pdf-renderer，但是我仍然得到一個OutOfMemoryError。我的懷疑是，docx4j使用太多的內存，但不產生錯誤，直到PDF到圖像轉換。

我很樂意除了將docx文件轉換爲pdf或直接轉換爲圖像作爲答案的替代方式，但是我目前正在嘗試替換已在服務器上運行的問題的jodconverter。

Answer 1

我XDocreport團隊的一部分。

我們最近開發了一個部署在cloudbees（http://xdocreport-converter.opensagres.cloudbees.net/）上的小webapp，用於顯示行爲轉換器。

您可以輕鬆比較docx4j和xdocreport對PDF和Html轉換的行爲和性能。

的源代碼可以在這裏找到：

https://github.com/pascalleclercq/xdocreport-demo（REST的服務 - 轉換 - WebApplication的子文件夾）。 和這裏： https://github.com/pascalleclercq/xdocreport/blob/master/remoting/fr.opensagres.xdocreport.remoting.converter.server/src/main/java/fr/opensagres/xdocreport/remoting/converter/server/ConverterResourceImpl.java

我得到的第一個數字是，Xdocreport生成PDF的速度比Docx4J快10倍。

反饋是值得歡迎的。

Answer 2

終於光榮成功！我用XDocReport替換了docx4j，文檔立即轉換爲PDF格式。不過似乎有一些問題與一些文件，但我希望這是由於他們在創建，並且可以通過使用要解決的OS：

PDFViaITextOptions options = PDFViaITextOptions.create().fontEncoding("windows-1250"); 

使用approiate OS，而不是隻：

PDFViaITextOptions options = PDFViaITextOptions.create(); 

默認爲當前操作系統。

這是代碼我現在使用的轉換從DOCX到PDF：

FileInputStream in = new FileInputStream(file); 
XWPFDocument document = new XWPFDocument(in); 

PDFViaITextOptions options = PDFViaITextOptions.create(); 

ByteArrayOutputStream out = new ByteArrayOutputStream(); 
XWPF2PDFViaITextConverter.getInstance().convert(document, out, options); 

byte[] bytes = out.toByteArray(); 
out.close(); 

ByteArrayInputStream is = new ByteArrayInputStream(bytes); 
PDDocument document = PDDocument.load(is); 

PDPage page = (PDPage) document.getDocumentCatalog().getAllPages().get(0); 
BufferedImage image = page.convertToImage(BufferedImage.TYPE_INT_RGB, 96); 

is.close(); 
document.close(); 

return image;