Poids d'un PDF decouper (split) PDFbox

Version imprimable

27/02/2015, 12h12
titi42

Poids d'un PDF decouper (split) PDFbox

Bonjour,

J’espère être au bon endroit pour ce message.

Voilà j'utilise PDFBox pour découper un PDF de plusieurs pages.
Mon PDF d'origine contient 2518 pages et à un poids de 7190ko.
Une fois découper en 2518 Pdf de 1 page, ceux ci font en moyenne 70ko.
Est ce que vous pensez que je peux diminuer la taille de ces PDF au moment du découpage (autre librairie que PDFBox) ?
J'ai essayer d'utiliser ghostscipt et Itext pour diminuer la taille mais cela ne fonctionne pas très bien.

Avez vous des idées ?

Merci par avance.
27/02/2015, 14h11
joel.drigo

Salut,

Diminuer sa taille veut dire soit les compresser (PDFStream.addCompression()), ou supprimer des informations. Peut-être que certaines sont inutiles, mais il faut un moyen de les détecter, et ce n'est pas forcément évident (et tout dépend des dégradations dans le contexte : je pense par exemple aux polices embarquées qu'on pourrait supprimer sous certaines conditions, ou dégrader la résolution des images - un OPI sans OPI, en quelque sorte).

C'est quoi le but au juste ? Parce que si c'est pour les transférer plus vite, ou les archiver en prenant moins de place, on pourrait les zipper tout aussi bien.

Merci pour ta réponse.

C'est effectivement pour archiver les documents et le mettre à disposition de l'utilisateur par requête web derrière.
Nous ne pouvons pas les zipper car une fois déposé, je n'ai plus la main sur les PDF (zip si on les zip), je voudrais donc les compresser avant et les déposer au format PDF.
Dans un premier temps je découpe les PDF en PDF unitaire puis reconstitue des PDF en les groupant.
Je me demande pourquoi le jeu n'est pas très lourd par rapport au PDF unitaire.
Je fais un calcul peut être bête mais 7190/2518 = 3ko environ comment je peux arriver à des PDF de 70ko ?

Je n'ai pas très bien compris comment compresser avec PDStream. J'ai essayer de la faire mais sans succès peut être que je m'y suis mal pris.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
 
 public int split(String pdf, String dest) throws Exception {
    String password = "";
    String split = "1";
    int success = -1;
    Splitter splitter = new Splitter();
    String pdfFile = null;
    List documents = null;
    int j = 10;
    String k = "";
    String t = "";
    File f = null;
    String fileName = null;
 
    pdfFile = pdf;
    if (pdfFile == null) {
      usage();
    } else {
      InputStream input = null;
      PDDocument document = null;
 
      try {
        input = new FileInputStream(pdfFile);
        document = parseDocument(input);
 
        if (document.isEncrypted()) {
          try {
            document.decrypt(password);
          } catch (InvalidPasswordException e) {
            log.severe("Error: The document is encrypted.");
            usage();
            success = -1;
          }
        }
 
        splitter.setSplitAtPage(Integer.parseInt(split));
        documents = splitter.split(document);
 
        for (int i = 0; i < documents.size(); i++) {
          PDDocument doc = (PDDocument) documents.get(i);
 
          k = t + j;
 
          if (j == 99) {
            j = 10;
            t = k;
          }
 
          f = new File(pdfFile);
          fileName = f.getName();
          fileName = dest + File.separator + fileName.substring(0, fileName.length() - 4) + "-" + k
            + ".pdf";
          j++;
 
          org.pdfbox.pdmodel.common.PDStream stream = new org.pdfbox.pdmodel.common.PDStream(doc);
          stream.addCompression();
          writeDocument(doc, fileName);
          doc.close();
        }
        success = 0;
      } finally {
        if (input != null) {
          input.close();
        }
        if (document != null) {
          document.close();
        }
        for (int i = 0; (documents != null) && (i < documents.size()); i++) {
          PDDocument doc = (PDDocument) documents.get(i);
          doc.close();
        }
      }
    }
 
    return success;
  }
 
private static final void writeDocument(PDDocument doc, String fileName)
    throws IOException, COSVisitorException {
    FileOutputStream output = null;
    COSWriter writer = null;
    try {
      output = new FileOutputStream(fileName);
      writer = new COSWriter(output);
      writer.write(doc);
    } finally {
      if (output != null) {
        output.close();
      }
      if (writer != null) {
        writer.close();
      }
    }
  }
 
  private static PDDocument parseDocument(InputStream input)
    throws IOException {
    PDFParser parser = new PDFParser(input);
    parser.parse();
 
    return parser.getPDDocument();
  }

En fait je ne vois pas trop quoi faire du stream ?

J'ai également essayé d'utiliser itext et cela n'est pas mieux avec un setFullCompression().

Je vais peut être m'orienter vers la 2ème solution notamment avec les polices embarquées sur le PDF.
Avez vous une idée de comment je pourrais faire ?

Par avance merci.

27/02/2015, 21h29
tchize_

Citation:

Envoyé par titi42

Je fais un calcul peut être bête mais 7190/2518 = 3ko environ comment je peux arriver à des PDF de 70ko ?

Ben déjà, la taille minimum d'un PDF qui ne fait rien à par faire raler acrobat reader, c'est déjà 3Ko.
Ensuite, derrière, la navigation, les metadatas, les polices si il y a des polices emarquées, etc. Bref tout un bouzin qui suit chaque PDF.
En plus si ton document d'origine était du texte compressé, la compression ça marche bien avec la répétition. Il y a plus de chance de trouver des répétitions dans 2500 pages que dans une...

Edit: pour te donner une idée, une page prise au hasard de notre dame de paris mise dans openoffce et exportée en PDF pèse 30Ko, deux pages pèsent 34Ko, 44 pages pèsent 171Ko. Pourtant 171Ko/44=3.8Ko. J'ai approximaivement un fixe de 28Ko + 3k / page.

Donc découper page par page, ce n'est selon moi pas un bon plan :) Essaie de regrouper par 10 pages?
02/03/2015, 15h16
titi42

Merci pour ton explication je comprends mieux.
J'ai un soucis car je dois regrouper ces PDF selon une règle et je ne peux pas les regrouper par 10.
Par contre est ce que tu sais comment je peux intervenir sur les métadatas du PDF afin de supprimer, sans trop détériorer la lisibilité du PDF, les polices embarquées ou autres données afin de réduire sa taille ?

Je ne connais pas trop pdfbox et ca n'a pas l'air très clair chez eux.

Tu peux tenter ça avec itext :
Code:

1 2 3 4 5 6 7 8 Document document = new Document(reader.getPageSizeWithRotation(1)); PdfCopy writer = new PdfCopy(document, new FileOutputStream(outFile)); document.open(); PdfImportedPage page = writer.getImportedPage(reader, ++i); writer.setFullCompression(); writer.addPage(page); document.close(); writer.close();
Pour voir si ça donne de meilleurs résultats.

05/03/2015, 12h00
titi42

Merci pour votre aide effectivement plus le PDF a de pages plus la compression est intéressante.
J'ai utilisé PDFSmartCopy et cela fonctionne bien.

:ccool: