在超大PDF上缓慢盖章
在一次操作中给超大的PDF每一页盖章会随着工作的进行逐渐变慢。 在报告的20,000页案例中,瓶颈在于用于拆分文档的方法,而不是盖章操作本身。
工程团队将20,000页案例中的减速追溯到文档拆分方法,而不是盖章操作。 详细的机制尚未从开发者记录中独立确认。
解决方法是将PDF递归拆分为小块,为每个块盖章(可选择在并行工作进程中进行),然后将结果合并回一个文件。
解决方案
1. 递归拆分源PDF
建议:继续拆分,直到每个块的页数达到或低于目标页数。 将每一块保存到磁盘上,这样内存保持低水平,工作进程可以独立获取文件。 文件名存储块的第一页,从而保持块的顺序,并支持后续的页依赖盖章。
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 的块大小是一个起点。 根据您的文档和硬件进行调整。
2. 为每块盖章
打开每块,应用盖章,并将结果保存到一个新文件。
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. 并行处理块
可选:为每个工作进程分配其自己的块列表片段。基准测试在一台16核的机器上使用了8个工作进程。根据您的硬件调整工作进程数量。
// In each worker process: workerIndex = 0..workerCount-1
var mySlice = chunkFiles.Where((f, i) => i % workerCount == workerIndex);
4. 按顺序合并已盖章块
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());
完成后删除临时块文件。
5. 预期时间
20,000页基准测试结果,仅供参考:
- 拆分:大约6分钟
- 单进程盖章和合并:大约6分钟
- 8个进程盖章和合并:大约1.5分钟
- 总并行运行:大约8分钟
拆分是最大的成本。如果您自己生成PDF,请考虑从一开始就以块状方式创建并跳过拆分。
6. 对其他页面级操作重复使用相同模式
拆分,处理,合并适用于任何对每页独立处理的操作。 合适的操作:
- 文本、图像、HTML和条码盖章,以及水印
- HTML页眉和页脚(设置
FirstPageNumber以保持编号连续性) - 跨所有页面编辑文本
- 查找并替换文本
- 图片压缩和表单展平
- 背景、前景和页面旋转
页依赖盖章(如贝茨编号或页面标签)需要每个块的全局起始页。 从块文件名中读取:
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);
}
第一个页码从chunk_NNNNNN.pdf名称中解析出来,然后每个页从全局起始页的偏移得到盖章。
仅拆分,不需要合并:
- 提取文本用于搜索索引
- 光栅化页面为图像
- 为OCR准备页面
合并后执行这些操作,不是每块:
- 数字签名(合并会改变文档并破坏每块签名)
- 密码、权限和加密
- 书签、大纲和目录
- 文档元数据
- PDF/A 或 PDF/UA转换
典型使用案例:
- 为法律发现集合进行贝茨编号
- 在大型档案上加上“保密”或“草稿”水印
- 带条码的批量报表或发票用于邮件分类
- 编辑导出的记录中个人数据
- 在长期存储之前缩小扫描档案
Curtis Chau 拥有卡尔顿大学的计算机科学学士学位,专注于前端开发,精通 Node.js、TypeScript、JavaScript 和 React。他热衷于打造直观且美观的用户界面,喜欢使用现代框架并创建结构良好、视觉吸引力强的手册。