Carimbagem lenta em PDFs muito grandes
Carimbar cada página de um PDF muito grande em uma única passagem fica progressivamente mais lento à medida que o trabalho avança. No caso relatado de 20.000 páginas, o gargalo foi o método usado para dividir o documento, não a operação de carimbagem em si.
A engenharia rastreou a desaceleração no caso de 20.000 páginas ao método de divisão do documento, em vez da operação de carimbagem. O mecanismo detalhado não foi confirmado independentemente a partir das notas do desenvolvedor.
A correção é dividir o PDF recursivamente em pequenos pedaços, carimbar cada pedaço (opcionalmente em processos de trabalho paralelos) e mesclar os resultados de volta em um único arquivo.
Solução
1. Divida o PDF de origem recursivamente
Recomendado: continue dividindo até que cada pedaço esteja em ou abaixo de um número alvo de páginas. Salve cada pedaço no disco para que a memória permaneça baixa e os trabalhadores possam pegar arquivos de forma independente. O nome do arquivo armazena a primeira página do pedaço, o que mantém os pedaços em ordem e suporta carimbos dependentes de página posteriormente.
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);
O tamanho do pedaço de 500 é um ponto de partida. Ajuste isso para seus documentos e hardware.
2. Carimbe cada pedaço
Abra cada pedaço, aplique o carimbo e salve o resultado em um novo arquivo.
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. Processe pedaços em paralelo
Opcional: dê a cada processo de trabalho sua própria parte da lista de pedaços. A referência usou 8 processos de trabalho em uma máquina de 16 núcleos. Ajuste a quantidade de trabalhadores para o seu hardware.
// In each worker process: workerIndex = 0..workerCount-1
var mySlice = chunkFiles.Where((f, i) => i % workerCount == workerIndex);
4. Mescle os pedaços carimbados em ordem
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());
Exclua os arquivos temporários de pedaços quando terminar.
5. Tempos esperados
Resultados da referência de 20.000 páginas, como um guia aproximado:
- Divisão: cerca de 6 minutos
- Carimbagem e mesclagem, processo único: cerca de 6 minutos
- Carimbagem e mesclagem, 8 processos: cerca de 1,5 minutos
- Execução paralela total: cerca de 8 minutos
A divisão é o maior custo. Se você gerar o PDF por conta própria, considere produzi-lo em pedaços desde o início e pular a divisão.
6. Reutilize o mesmo padrão para outras operações em nível de página
Dividir, processar e mesclar funciona para qualquer operação que trate cada página de forma independente. Bom ajuste:
- Carimbos e marcas d'água de texto, imagem, HTML e código de barras
- Cabeçalhos e rodapés em HTML (defina
FirstPageNumberpara que a numeração permaneça contínua) - Redação de texto em todas as páginas
- Localizar e substituir texto
- Compressão de imagem e achatamento de formulário
- Fundos, frentes e rotação de página
Carimbos dependentes de página, como números Bates ou rótulos de página, precisam da página inicial global de cada pedaço. Leia isso do nome do arquivo do pedaço:
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);
}
O número da primeira página é analisado a partir do nome chunk_NNNNNN.pdf, então cada página recebe uma compensação de carimbo a partir desse início global.
Somente divisão, sem necessidade de mesclagem:
- Extração de texto para indexação de busca
- Rasterização de páginas para imagens
- Preparação de páginas para OCR
Execute esses após a mesclagem, não por pedaço:
- Assinaturas digitais (a mesclagem altera o documento e quebra assinaturas por pedaço)
- Senhas, permissões e criptografia
- Marcadores, esboços e tabelas de conteúdos
- Metadados do documento
- Conversão para PDF/A ou PDF/UA
Casos de uso típicos:
- Numeração Bates para conjuntos de descoberta legal
- Marcas d'água CONFIDENCIAL ou RASCUNHO em grandes arquivos
- Extratos em lote ou faturas com códigos de barras para classificação de correspondência
- Redação de dados pessoais em registros exportados
- Encolhendo arquivos escaneados antes do armazenamento a longo prazo
Curtis Chau é bacharel em Ciência da Computação (Universidade Carleton) e se especializa em desenvolvimento front-end, com experiência em Node.js, TypeScript, JavaScript e React. Apaixonado por criar interfaces de usuário intuitivas e esteticamente agradáveis, Curtis gosta de trabalhar com frameworks modernos e criar manuais bem estruturados e visualmente atraentes.