非常に大きなPDFへのスローなスタンプ
非常に大きなPDFのすべてのページを一度にスタンプすると、ジョブが進行するにつれて徐々に遅くなります。 報告された20,000ページのケースでは、ボトルネックはスタンプ操作そのものではなく、ドキュメントを分割するのに使用された方法でした。
エンジニアリングは、20,000ページのケースで発生した遅延をスタンプ操作ではなく、ドキュメント分割方法が原因として特定しました。 詳細なメカニズムは、開発者のノートから独立して確認されていません。
修正策は、PDFを小さなチャンクに再帰的に分割し、各チャンクにスタンプを貼り(オプションで並列ワーカープロセス内で)、結果を1つのファイルにマージすることです。
解決策
1. ソースPDFを再帰的に分割する
推奨: 各チャンクが目標のページ数以下になるまで分割し続けます。 メモリが少ないままにし、ワーカーが独立してファイルを取得できるよう、各チャンクをディスクに保存します。 ファイル名にはチャンクの最初のページが保存され、チャンクを順序通りに保ち、後のページ依存スタンプをサポートします。
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);
500のチャンクサイズがスタート地点です。 ドキュメントやハードウェアに合わせて調整してください。
2. 各チャンクにスタンプを貼る
各チャンクを開き、スタンプを適用し、その結果を新しいファイルに保存します。
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. チャンクを並列処理する
オプション:各ワーカープロセスにチャンクリストの独自のスライスを与えます。ベンチマークでは16コアのマシンで8つのワーカープロセスを使用しました。ハードウェアに合わせてワーカー数を調整してください。
// In each worker process: workerIndex = 0..workerCount-1
var mySlice = chunkFiles.Where((f, i) => i % workerCount == workerIndex);
4. スタンプを押したチャンクを順序通りにマージする
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());
作業が完了したら、テンポラリチャンクファイルを削除します。
5. 予想されるタイミング
20,000ページのベンチマークの結果を大まかなガイドとして:
- 分割: 約6分
- スタンプとマージ、単一プロセス: 約6分
- スタンプとマージ、8プロセス: 約1.5分
- 合計並列実行: 約8分
分割が最も大きなコストです。PDFを自分で生成する場合は、最初からチャンクに分けて作成し、分割をスキップすることを検討してください。
6. 他のページレベル操作に同じパターンを再利用する
分割、処理、マージは各ページを独立して扱う操作に効果的です。 適した例:
- テキスト、画像、HTML、バーコードのスタンプおよびウォーターマーク
- HTMLヘッダーとフッター(番号付けを連続して保つために
FirstPageNumberを設定) - すべてのページに渡るテキストの墨消し
- テキストの検索と置換
- 画像圧縮およびフォームフラットニング
- 背景、前景、およびページの回転
ページ依存スタンプ(ベイツ番号やページラベルなど)は、各チャンクのグローバルな開始ページを必要とします。 それはチャンクファイル名から読み取ります:
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);
}
最初のページ番号はchunk_NNNNNN.pdf名から解析され、各ページはそのグローバルな開始からのスタンプオフセットを取得します。
分割のみ、マージは不要:
- 検索インデックス作成のためのテキスト抽出
- ページを画像としてラスタライズする
- OCR用のページを準備する
これらはマージ後に実行し、チャンク毎ではなく:
- デジタル署名(マージ後に文書が変更され、チャンク毎の署名が無効になる)
- パスワード、権限、暗号化
- しおり、アウトライン、目次
- ドキュメントメタデータ
- PDF/AまたはPDF/UA変換
。
一般的な使用例:
- 法的開示セットのためのベイツ番号付け
- 大規模アーカイブにおけるCONFIDENTIALまたはDRAFTウォーターマーク
- 郵便ソート用のバーコード付きバッチステートメントまたは請求書
- エクスポートされた記録に渡る個人データの墨消し
- 長期保存前のスキャンアーカイブの縮小
Curtis Chauは、カールトン大学でコンピュータサイエンスの学士号を取得し、Node.js、TypeScript、JavaScript、およびReactに精通したフロントエンド開発を専門としています。直感的で美しいユーザーインターフェースを作成することに情熱を持ち、Curtisは現代のフレームワークを用いた開発や、構造の良い視覚的に魅力的なマニュアルの作成を楽しんでいます。