對非常大的PDF進行緩慢蓋章
一次性地蓋章非常大的PDF的每一頁,隨著工作進行,速度會逐漸變慢。 在報告的20,000頁案例中,瓶頸在於用來分割文件的方法,而不是蓋章操作本身。
工程師將20,000頁案例的減速追溯到文件分割方法,而不是蓋章操作。 詳細機制尚未從開發者筆記中獨立確認。
解決方案是遞歸地將PDF分割成小塊,對每一塊進行蓋章(可以在平行的工作進程中完成),然後將結果合併回一個文件。
解決方案
1. 遞歸分割源PDF
建議:不斷分割,直到每一塊達到或低於目標頁數。 將每塊保存到磁碟以保持記憶體低水平並讓工作進程獨立處理文件。 文件名稱儲存了塊的第一頁,這樣可以保持塊的順序並支援後續基於頁面的蓋章。
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的塊大小是一個起點。 根據您的文件和硬件進行調整。
2. 對每一塊蓋章
打開每一塊,應用蓋章,然後將結果保存到一個新文件。
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. 平行處理塊
可選:給每個工作進程其自己的塊列表切片。基準測試在一台16核機器上使用了8個工作進程。根據您的硬件調整工作進程數量。
// In each worker process: workerIndex = 0..workerCount-1
var mySlice = chunkFiles.Where((f, i) => i % workerCount == workerIndex);
4. 按順序合併已蓋章的塊
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());
完成後刪除臨時塊文件。
5. 預期時間
20,000頁基準測試的結果,作為粗略指導:
- 分割:約6分鐘
- 蓋章和合併,單一進程:約6分鐘
- 蓋章和合併,8個進程:約1.5分鐘
- 總平行運行:約8分鐘
分割是最大的成本。如果您自己生成PDF,考慮從一開始就以塊形式生成,並跳過分割。
6. 重複使用同一模式進行其他頁級操作
分割、處理、合併適用於任何獨立處理每一頁的操作。 適合:
- 文字、圖像、HTML和條碼蓋章,以及浮水印
- HTML頁眉和頁腳(設置
FirstPageNumber以保持編號連續) - 刪除所有頁面的文字
- 查找和替換文字
- 圖像壓縮和表單平坦化
- 背景、前景和頁面旋轉
需要每個塊的全域起始頁的頁依賴蓋章,例如Bates編號或頁面標籤。 從塊文件名中讀取它:
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);
}
第一頁號碼從chunk_NNNNNN.pdf名稱中解析出來,然後每頁獲得一個從該全域起始頁起的偏移蓋章。
僅分割,不需要合併:
- 提取文字以進行搜尋索引
- 將頁面光柵化為圖像
- 為OCR準備頁面
這些在合併後運行,而不是每塊運行:
- 數位簽名(合併改變文件並破壞每塊簽名)
- 密碼、權限和加密
- 書籤、提綱和目錄表
- 文件中繼資料
- PDF/A 或 PDF/UA 轉換
典型的使用案例:
- 用於法律發現集的Bates編號
- 在大型檔案上加上CONFIDENTIAL或DRAFT浮水印
- 具有條碼的批量聲明或發票,用於郵件排序
- 在匯出的記錄上刪除個人數據
- 在長期存儲之前縮小掃描的檔案
Curtis Chau 擁有卡爾頓大學計算機科學學士學位,專注於前端開發,擅長於 Node.js、TypeScript、JavaScript 和 React。Curtis 熱衷於創建直觀且美觀的用戶界面,喜歡使用現代框架並打造結構良好、視覺吸引人的手冊。