Timbrage lent sur des PDF très volumineux
Le timbrage de chaque page d'un très grand PDF en un seul passage ralentit progressivement à mesure que le travail se déroule. Dans le cas signalé de 20 000 pages, le goulot d'étranglement était la méthode utilisée pour diviser le document, et non l'opération de timbrage elle-même.
Les ingénieurs ont attribué le ralentissement dans le cas de 20 000 pages à la méthode de découpe du document plutôt qu'à l'opération de timbrage. Le mécanisme détaillé n'a pas été confirmé indépendamment à partir des notes des développeurs.
La solution consiste à diviser le PDF de manière récursive en petits morceaux, à timbrer chaque morceau (éventuellement dans des processus de travail en parallèle), et à fusionner les résultats en un seul fichier.
Solution
1. Diviser le PDF source de manière récursive
Recommandé : continuer à diviser jusqu'à ce que chaque morceau atteigne ou soit en dessous du nombre de pages cible. Enregistrez chaque morceau sur le disque afin que la mémoire reste basse et que les travailleurs puissent récupérer les fichiers indépendamment. Le nom du fichier stocke la première page du morceau, ce qui permet de garder les morceaux dans l'ordre et de prendre en charge les timbres dépendant des pages par la suite.
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);
La taille du morceau de 500 est un point de départ. Ajustez-la pour vos documents et votre matériel.
2. Timbrez chaque morceau
Ouvrez chaque morceau, appliquez le timbre et enregistrez le résultat dans un nouveau fichier.
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. Traitez les morceaux en parallèle
Optionnel : donnez à chaque processus de travail sa propre tranche de la liste des morceaux. Le test a utilisé 8 processus de travail sur une machine à 16 cœurs. Ajustez le nombre de travailleurs en fonction de votre matériel.
// In each worker process: workerIndex = 0..workerCount-1
var mySlice = chunkFiles.Where((f, i) => i % workerCount == workerIndex);
4. Fusionner les morceaux timbrés dans l'ordre
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());
Supprimez les fichiers de morceaux temporaires une fois que vous avez terminé.
5. Temps estimés
Résultats du test de performance de 20 000 pages, comme un guide approximatif :
- Découpage : environ 6 minutes
- Timbrage et fusion, processus unique : environ 6 minutes
- Timbrage et fusion, 8 processus : environ 1,5 minute
- Exécution totale en parallèle : environ 8 minutes
Le découpage est le plus grand coût. Si vous générez le PDF vous-même, envisagez de le produire en morceaux dès le départ et de sauter la découpe.
6. Réutilisez le même schéma pour d'autres opérations au niveau des pages
Diviser, traiter, fusionner fonctionne pour toute opération qui traite chaque page de manière indépendante. Bon ajustement :
- Tampons de texte, d'image, HTML et code-barres, et filigranes
- En-têtes et pieds de page HTML (réglez
FirstPageNumberpour que la numérotation reste continue) - Rédaction de texte sur toutes les pages
- Rechercher et remplacer le texte
- Compression d'image et aplatissement de formulaire
- Arrière-plans, premiers plans et rotation des pages
Les tampons dépendant des pages comme les numéros Bates ou les étiquettes de page nécessitent que chaque morceau commence à une page globale. Lisez-la à partir du nom du fichier du morceau :
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);
}
Le numéro de la première page est analysé à partir du nom chunk_NNNNNN.pdf, puis chaque page reçoit un décalage de timbre à partir de ce début global.
Découpe seulement, pas besoin de fusionner :
- Extraction de texte pour l'indexation de recherche
- Rasterisation des pages en images
- Préparer les pages pour l'OCR
Exécutez-les après la fusion, pas par morceau :
- Signatures numériques (la fusion modifie le document et casse les signatures par morceau)
- Mots de passe, permissions et cryptage
- Signets, plans et tables des matières
- Métadonnées du document
- Conversion PDF/A ou PDF/UA
Cas d'utilisation typiques :
- Numérotation Bates pour les ensembles d'exploration légale
- Filigranes CONFIDENTIEL ou ÉBAUCHE sur de grandes archives
- Déclarations ou factures de lot avec codes-barres pour le tri du courrier
- Rédaction de données personnelles sur des enregistrements exportés
- Réduction des archives numérisées avant stockage à long terme
Curtis Chau détient un baccalauréat en informatique (Université de Carleton) et se spécialise dans le développement front-end avec expertise en Node.js, TypeScript, JavaScript et React. Passionné par la création d'interfaces utilisateur intuitives et esthétiquement plaisantes, Curtis aime travailler avec des frameworks modernes et créer des manuels bien structurés et visuellement attrayants.