c# - 使用 itextsharp 根据大小将 pdf 拆分为更小的 pdf

Question

所以我们有一些非常低效的代码，它们根据允许的最大大小将 pdf 分成更小的 block 。阿卡。如果最大大小为 10 兆，将跳过 8 兆的文件，而 16 兆的文件将根据页数拆分。

这是我继承的代码，我觉得必须有一种更有效的方法来做到这一点，只需要一个方法和更少的对象实例化。

我们使用下面的代码来调用这些方法:

        List<int> splitPoints = null;
        List<byte[]> documents = null;

        splitPoints = this.GetPDFSplitPoints(currentDocument, maxSize);
        documents = this.SplitPDF(currentDocument, maxSize, splitPoints);

方法:

    private List<int> GetPDFSplitPoints(IClaimDocument currentDocument, int maxSize)
    {
        List<int> splitPoints = new List<int>();
        PdfReader reader = null;
        Document document = null;
        int pagesRemaining = currentDocument.Pages;

        while (pagesRemaining > 0)
        {
            reader = new PdfReader(currentDocument.Data);
            document = new Document(reader.GetPageSizeWithRotation(1));

            using (MemoryStream ms = new MemoryStream())
            {
                PdfCopy copy = new PdfCopy(document, ms);
                PdfImportedPage page = null;

                document.Open();

                //Add pages until we run out from the original
                for (int i = 0; i < currentDocument.Pages; i++)
                {
                    int currentPage = currentDocument.Pages - (pagesRemaining - 1);

                    if (pagesRemaining == 0)
                    {
                        //The whole document has bee traversed
                        break;
                    }

                    page = copy.GetImportedPage(reader, currentPage);
                    copy.AddPage(page);

                    //If the current collection of pages exceeds the maximum size, we save off the index and start again
                    if (copy.CurrentDocumentSize > maxSize)
                    {
                        if (i == 0)
                        {
                            //One page is greater than the maximum size
                            throw new Exception("one page is greater than the maximum size and cannot be processed");
                        }

                        //We have gone one page too far, save this split index   
                        splitPoints.Add(currentDocument.Pages - (pagesRemaining - 1));
                        break;
                    }
                    else
                    {
                        pagesRemaining--;
                    }
                }

                page = null;

                document.Close();
                document.Dispose();
                copy.Close();
                copy.Dispose();
                copy = null;
            }
        }

        if (reader != null)
        {
            reader.Close();
            reader = null;
        }

        document = null;

        return splitPoints;
    }

    private List<byte[]> SplitPDF(IClaimDocument currentDocument, int maxSize, List<int> splitPoints)
    {
        var documents = new List<byte[]>();
        PdfReader reader = null;
        Document document = null;
        MemoryStream fs = null;
        int pagesRemaining = currentDocument.Pages;

        while (pagesRemaining > 0)
        {
            reader = new PdfReader(currentDocument.Data);
            document = new Document(reader.GetPageSizeWithRotation(1));

            fs = new MemoryStream();
            PdfCopy copy = new PdfCopy(document, fs);
            PdfImportedPage page = null;

            document.Open();

            //Add pages until we run out from the original
            for (int i = 0; i <= currentDocument.Pages; i++)
            {
                int currentPage = currentDocument.Pages - (pagesRemaining - 1);
                if (pagesRemaining == 0)
                {
                    //We have traversed all pages
                    //The call to copy.Close() MUST come before using fs.ToArray() because copy.Close() finalizes the document
                    fs.Flush();
                    copy.Close();
                    documents.Add(fs.ToArray());
                    document.Close();
                    fs.Dispose();
                    break;
                }

                page = copy.GetImportedPage(reader, currentPage);
                copy.AddPage(page);
                pagesRemaining--;

                if (splitPoints.Contains(currentPage + 1) == true)
                {
                    //Need to start a new document
                    //The call to copy.Close() MUST come before using fs.ToArray() because copy.Close() finalizes the document
                    fs.Flush();
                    copy.Close();
                    documents.Add(fs.ToArray());
                    document.Close();
                    fs.Dispose();
                    break;
                }
            }

            copy = null;
            page = null;

            fs.Dispose();
        }

        if (reader != null)
        {
            reader.Close();
            reader = null;
        }

        if (document != null)
        {
            document.Close();
            document.Dispose();
            document = null;
        }

        if (fs != null)
        {
            fs.Close();
            fs.Dispose();
            fs = null;
        }

        return documents;
    }

据我所知，我能看到的唯一在线代码是 VB，不一定能解决大小问题。

更新:

我们遇到了 OutofMemory 异常，我认为这是大对象堆的问题。因此，一种想法是减少代码占用空间，这可能会减少堆上大对象的数量。

基本上这是遍历任意数量的 PDF，然后拆分它们并将它们存储在数据库中的循环的一部分。现在，我们不得不改变方法，从一次完成所有这些(最后一次运行 97 个不同大小的 pdf)到每 5 分钟在系统中运行 5 个 pdf。这并不理想，并且在我们向更多客户推广该工具时无法很好地扩展。

(我们正在处理 50 -100 兆的 pdf，但它们可能更大)。

Answer 1

我也继承了这个确切的代码，但它似乎有一个重大缺陷。在 GetPDFSplitPoints 方法中，它根据最大大小检查复制页面的总大小，以确定在哪个页面拆分文件。
在 SplitPDF 方法中，当它到达发生拆分的页面时，果然此时的 MemoryStream 低于允许的最大大小，再多一页就会超过限制。但是在执行 document.Close(); 之后，MemoryStream 添加了更多内容(在我使用的一个 PDF 示例中，Length MemoryStream 在 document.Close 之前和之后从 9 MB 变为 19 MB)。我的理解是复制页面的所有必要资源都是在 Close 时添加的。
我猜我必须完全重写这段代码，以确保在保持原始页面完整性的同时不超过最大大小。