如何有效地存储几乎相同，不可变的可打印文档？

Question

在我参与过的几个网络应用程序中，我们已经为表格字母和发票等内容生成并存储了PDF文件。

在每种情况下，都涉及三个要素：

• 通用模板，其中包含要填写的字段（例如“亲爱的[客户名称]，...”和“[item_description] ...”）。这可以是HTML模板，函数等等。
• 不同的文字 - 客户的名称，发票的项目和金额等
• 最终输出 - 完整的PDF二进制文件

虽然任何两个字母或发票可能因＆lt; 1kb的文本，我们最终为每个文本存储一个单独的，完整的PDF blob。无论是在数据库中还是在文件系统中（an unpleasant choice），这都是浪费空间。

我考虑过只存储不同的文本和模板，并按需生成PDF，但1）生成PDF文件速度慢; 2）旧文档应始终以相同的方式重新打印，而不是因为模板已更新而更改因为他们得救了。

我有什么解决方案吗？我想：

• 存储模板（可能带有版本控制）
• 存储一些不同的文字
• 允许用户在现在或5年后打印，并使其看起来完全相同（是否与PDF无关）
• 最小化存储要求

如何有效地存储几乎相同，不可变的可打印文档？

Answer 1

以下讨论了一种可能有用的一般方法，如果您可以复制，模板，增量更新，然后保存和剥离，只保留PDF的增量部分。

稍后可以将其与原始PDF重新组合。

示意图，逐步更新的PDF看起来像。

如果您有一个共同的原始模板，加上需要应用以生成不同变体的许多不同更新，那么将原始版本存储一次就很有意义，然后只保存输出的增量部分PDF文件。只需将更新的片段附加到原始PDF上，就可以在需要时重新组合这些片段。

使用您首选的编程语言，可以在较低级别轻松实现PDF的增量部分的剥离。

中间PDF（原始PDF +增量更新）的基本结构如下所示：

%PDF-1.3

   %% ** Original document body ****
xref
0 9
0000000000 65535 f 
0000000014 00000 n 
%% ** ...etc **
trailer
<<
  /Root 1 0 R
  /Size 9
>>
startxref
644
%%EOF

  %% ** Updated section ***

xref
0 1
0000000000 65535 f 
3 1
0000000951 00000 n 
9 3
0000000892 00000 n 
0000001024 00000 n 
0000001200 00000 n 
trailer
<<
  % ...
>>
startxref
1324
%%EOF

直至并包含倒数第二个%%EOF的部分是您的原始模板。这是不变部分，应该与原始PDF匹配，只需要存储一次。

更新部分是PDF中倒数第二个%%EOF之后的所有内容，它们是不同的文本，作为增量更新，需要多次存储。

希望您能找到一个合适的工具来执行增量更新，并生成最终的PDF，只附加一个小的更新部分。

另见How to edit PDF files using Incremental Updates