ITextSharp 获取页数花费太多时间

Question

我有这段代码：

foreach(string pdfFile in Directory.EnumerateFiles(selectedFolderMulti_txt.Text,"*.pdf",SearchOption.AllDirectories))
{
    //filePath = pdfFile.FullName;
    //string abc = Path.GetFileName(pdfFile);
    try
    {
        //pdfReader = new iTextSharp.text.pdf.PdfReader(filePath);
        pdfReader = new iTextSharp.text.pdf.PdfReader(pdfFile);
        rownum = pdfListMulti_gridview.Rows.Add();
        pdfListMulti_gridview.Rows[rownum].Cells[0].Value = counter++;
        //pdfListMulti_gridview.Rows[rownum].Cells[1].Value = pdfFile.Name;
        pdfListMulti_gridview.Rows[rownum].Cells[1].Value = System.IO.Path.GetFileName(pdfFile);
        pdfListMulti_gridview.Rows[rownum].Cells[2].Value = pdfReader.NumberOfPages;
        //pdfListMulti_gridview.Rows[rownum].Cells[3].Value = filePath;
        pdfListMulti_gridview.Rows[rownum].Cells[3].Value = pdfFile;
        //totalpages += pdfReader.NumberOfPages;
    }
    catch
    {
        //MessageBox.Show("There was an error while opening '" + pdfFile.Name + "'", "Error!", MessageBoxButtons.OK, MessageBoxIcon.Error);
        MessageBox.Show("There was an error while opening '" + System.IO.Path.GetFileName(pdfFile) + "'", "Error!", MessageBoxButtons.OK, MessageBoxIcon.Error);
    }
}

问题是，今天当我指定一个包含大约 4000 个 pdf 文件的文件夹时，大约需要 20 分钟才能读取所有文件并向我显示结果。然后，我想当我输入一个包含超过 20,000 个文件的文件夹时，这段代码会做什么。

如果我注释掉这一行：

pdfListMulti_gridview.Rows[rownum].Cells[2].Value = pdfReader.NumberOfPages;

那么，似乎所有处理负担都从代码中删除了。

因此，我希望你们提出建议，使我的方法更加高效，并减少处理所有文件的时间。或者有什么替代方案吗？

Answer 1

绝对按照 @ChrisBint 所说的去做，这将克服 Window 处理包含许多文件的文件夹的缓慢问题。

但要获得更快的速度，请确保使用采用 RandomAccessFileOrArray 对象的 PdfReader 重载。在我的所有测试中，该对象都比常规流快方式。构造函数有几个重载，但您应该主要关注 RandomAccessFileOrArray(string filename, bool forceRead)。第二个参数是是否将整个文件加载到内存中（如果我正确理解文档）。对于非常大的文件，这可能会影响性能，但在现代机器上，这应该不重要，所以我建议您将 true 传递给它。如果您传递false，则在解析“光标”遍历文件时需要多次点击磁盘。

因此，有了所有这些，您就可以在一个非常紧密的循环中完成此操作。对我来说，运行 4,000 个文件（总共超过 42,000 个页面）大约需要 2 秒。

        var files = Directory.EnumerateFiles(workingFolder, "*.pdf");
        int totalPageCount = 0;
        foreach (string f in files)
        {
            totalPageCount += new PdfReader(new RandomAccessFileOrArray(f, true), null).NumberOfPages;
        }
        MessageBox.Show(String.Format("Total Page Count : {0:N0}", totalPageCount));

Answer 2

就我个人而言，我会稍微更改您的代码，以便不在 foreach 中调用 Directory.EnumerateFiles 。例如;

var listOfFiles = Directory.EnumerateFiles(selectedFolderMulti_txt.Text,"*.pdf",SearchOption.AllDirectories);
foreach(string pdfFile in listOfFiles)
{
//Do something
}

我怀疑这会对整体时间产生巨大影响（如果有的话）。

至于调用 NumberOfPages 属性的速度。由于它位于 pdfReader 对象的内部，因此您不太可能对其进行优化。如果性能是一个问题，那么这可能需要额外的硬件。

就我个人而言，我不会将此视为一个问题，除非我必须不断运行扫描（在这种情况下，我将开始查看缓存/检查现有文件并仅添加已更改/新的文件）。