如何使用多线程将许多文件从DOC转换为DOCX

Question

我有数百万的文档文件需要将其转换为DOCX。我目前正在使用以下方法将指定目录中的每个文件转换。如何有效地多线程此过程？

static void ConvertDocToDocx(string path)
{
    Application word = new Application();

    var sourceFile = new FileInfo(path);
    var document = word.Documents.Open(sourceFile.FullName);

    string newFileName = sourceFile.FullName.Replace(".doc", ".docx");
    document.SaveAs2(newFileName, WdSaveFormat.wdFormatXMLDocument,
                     CompatibilityMode: WdCompatibilityMode.wdWord2010);

    word.ActiveDocument.Close();
    word.Quit();

    //File.Delete(path);
}

我当前的方法是使用directory.getFiles创建路径中的文件列表，然后使用Parallel.Foreach转换文件。这是我的代码：

string[] filesList = Directory.GetFiles(path);
Parallel.ForEach(filesList, new ParallelOptions { MaxDegreeOfParallelism = 20 }, file =>
{
    if (file.Contains(".doc"))
    {
        ConvertDocToDocx(file);
    }
});

但是，这似乎并没有提高性能。我是否误解了使用Parallel.Foreach的使用？

Answer 1

您正在通过自动化使用Word，这相当于手动打开文件并保存它们。此方法可能具有一种性能的增加可能性：无需为每个文件创建新的单词实例，只需重复使用第一个实例即可。

...
var wordInstance = new Application();
try
{
   var fileNameList = Directory.GetFiles(path);
   foreach(var fileName in fileNameList)
   {
      if (fileName.Contains(".doc"))
      {
         ConvertDocToDocx(wordInstance, file);
      }
   }
}
finally
{
   word.Quit();
}
...

static void ConvertDocToDocx(Application wordInstance, string path)
{
   var sourceFile = new FileInfo(path);
   var newFileName = sourceFile.FullName.Replace(".doc", ".docx");

   var document = wordInstance.Documents.Open(sourceFile.FullName);
   document.SaveAs2(
      newFileName, 
      WdSaveFormat.wdFormatXMLDocument,
      CompatibilityMode: WdCompatibilityMode.wdWord2010);

   wordInstance.ActiveDocument.Close();
   //File.Delete(path);
}

但是，正如其他人已经提到的那样，这是这种方法的极限。
您应该查看基于文件格式知识的解决方案，例如NPOI。它是一个流行的Apache POI软件包的C＃重写，因此，如果您搜索“ POI将DOC转换为DOCX”，并且发现Java代码也不担心几乎相同的代码也会使用NPOI软件包在C＃下编译，那么在大多数情况下，只有次要的语法更改需要。