Langsame Verarbeitung bei sehr großen PDFs
Jede Seite eines sehr großen PDFs in einem Durchgang zu stempeln, wird zunehmend langsamer, je länger der Prozess dauert. Im gemeldeten Fall mit 20.000 Seiten war der Engpass die Methode, das Dokument zu teilen, nicht die Stempeloperation selbst.
Der technische Support hat die Verlangsamung im Fall der 20.000 Seiten auf die Methode des Dokumentteilens zurückgeführt, nicht auf die Stempeloperation. Der detaillierte Mechanismus wurde nicht unabhängig anhand von Entwicklernotizen bestätigt.
Die Lösung besteht darin, das PDF rekursiv in kleine Teile zu teilen, jedes Teil zu stempeln (optional in parallelen Arbeitsprozessen), und die Ergebnisse in eine Datei zusammenzuführen.
Lösung
1. Teilen Sie das Quell-PDF rekursiv
Empfohlen: Teilen Sie weiter, bis jedes Teil die Zielseitenanzahl erreicht oder unterschreitet. Speichern Sie jedes Teil auf der Festplatte, damit der Speicherbedarf niedrig bleibt und Arbeiter die Dateien unabhängig übernehmen können. Der Dateiname speichert die erste Seite des Teils, wodurch Teile in der richtigen Reihenfolge bleiben und später wie geplant abgestempelt werden können.
using IronPdf;
using IronPdf.Editing;
static void SplitToFiles(PdfDocument doc, int startPage, int targetPages,
string outDir, List<string> files)
{
if (doc.PageCount <= targetPages)
{
// File name carries the chunk's first page (1-based).
string path = Path.Combine(outDir, $"chunk_{startPage:D6}.pdf");
doc.SaveAs(path);
files.Add(path);
return;
}
int mid = doc.PageCount / 2;
using (var left = doc.CopyPages(0, mid - 1))
SplitToFiles(left, startPage, targetPages, outDir, files);
using (var right = doc.CopyPages(mid, doc.PageCount - 1))
SplitToFiles(right, startPage + mid, targetPages, outDir, files);
}
// Usage
var chunkFiles = new List<string>();
using (var source = PdfDocument.FromFile("input.pdf"))
SplitToFiles(source, 1, 500, @"C:\temp\chunks", chunkFiles);
Die Teilgröße von 500 ist ein Ausgangspunkt. Passen Sie sie an Ihre Dokumente und Hardware an.
2. Stempeln Sie jedes Teil
Öffnen Sie jedes Teil, wenden Sie den Stempel an und speichern Sie das Ergebnis in einer neuen Datei.
var stamper = new HtmlStamper("<div style='font-size:24px;color:red'>CONFIDENTIAL</div>")
{
VerticalAlignment = VerticalAlignment.Middle,
HorizontalAlignment = HorizontalAlignment.Center,
Opacity = 50
};
var stampedFiles = new List<string>();
foreach (string file in chunkFiles)
{
string outPath = file.Replace(".pdf", "_stamped.pdf");
using (var chunk = PdfDocument.FromFile(file))
{
chunk.ApplyStamp(stamper);
chunk.SaveAs(outPath);
}
stampedFiles.Add(outPath);
}
3. Verarbeiten Sie Teile parallel
Optional: Geben Sie jedem Arbeitsprozess einen eigenen Teil der Liste. Der Benchmark nutzte 8 Arbeitsprozesse auf einer 16-Kern-Maschine. Passen Sie die Anzahl der Arbeitsprozesse Ihrer Hardware an.
// In each worker process: workerIndex = 0..workerCount-1
var mySlice = chunkFiles.Where((f, i) => i % workerCount == workerIndex);
4. Zusammenfügen der gestempelten Teile in der richtigen Reihenfolge
var parts = stampedFiles.OrderBy(f => f)
.Select(f => PdfDocument.FromFile(f))
.ToList();
using (var merged = PdfDocument.Merge(parts))
{
merged.SaveAs("output.pdf");
}
parts.ForEach(p => p.Dispose());
Löschen Sie die temporären Teildateien, wenn Sie fertig sind.
5. Erwartete Zeitangaben
Ergebnisse aus dem 20.000-Seiten-Benchmark als grober Leitfaden:
- Teilen: etwa 6 Minuten
- Stempeln und Zusammenfügen, Einzelprozess: etwa 6 Minuten
- Stempeln und Zusammenfügen, 8 Prozesse: etwa 1,5 Minuten
- Gesamtlaufzeit parallel: etwa 8 Minuten
Das Teilen ist der größte Kostenfaktor. Wenn Sie das PDF selbst erstellen, ziehen Sie in Betracht, es von Anfang an in Teilen zu produzieren und das Teilen zu überspringen.
6. Verwenden Sie dasselbe Muster für andere Seitenebenen-Operationen
Teilen, Verarbeiten, Zusammenfügen funktioniert für jede Operation, die jede Seite unabhängig behandelt. Gute Passform:
- Text-, Bild-, HTML- und Barcode-Stempel und Wasserzeichen
- HTML-Kopf- und Fußzeilen (setze
FirstPageNumber, damit die Nummerierung fortlaufend bleibt) - Textredaktion auf allen Seiten
- Textsuchen und -ersetzen
- Bildkomprimierung und Formularflachlegung
- Hintergründe, Vordergründe und Seitenrotation
Abhängige Stempel wie Bates-Nummern oder Seitenbeschriftungen benötigen die globale Startseite jedes Teils. Lesen Sie dies aus dem Namen der Teildatei aus:
int firstPage = int.Parse(Path.GetFileNameWithoutExtension(file).Split('_')[1]);
for (int i = 0; i < chunk.PageCount; i++)
{
var bates = new TextStamper { Text = $"ABC{firstPage + i:D7}" };
chunk.ApplyStamp(bates, i);
}
Die erste Seitenzahl wird aus dem chunk_NNNNNN.pdf-Namen zurückgeparst, dann erhält jede Seite einen Stempelversatz von diesem globalen Start.
Nur teilen, kein Zusammenfügen erforderlich:
- Text für Suchindizierung extrahieren
- Seiten zu Bildern rasterisieren
- Seiten für OCR vorbereiten
Führen Sie diese nach dem Zusammenführen aus, nicht pro Teil:
- Digitale Signaturen (Zusammenführung ändert das Dokument und vernichtet teilweise Signaturen)
- Passwörter, Berechtigungen und Verschlüsselung
- Lesezeichen, Gliederung und Inhaltsverzeichnisse
- Dokument-Metadaten
- PDF/A- oder PDF/UA-Konvertierung
Typische Anwendungsfälle:
- Bates-Nummerierung für juristische Entdeckungssätze
- VERTRAULICH- oder ENTWURF-Wasserzeichen auf großen Archiven
- Batch-Auszüge oder Rechnungen mit Barcodes für die Postsortierung
- Persönliche Daten über exportierte Datensätze hinweg redigieren
- Gescannte Archive vor der Langzeitspeicherung verkleinern
Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender Handbücher.