Question

我有一个方法，它将pdf文本转换为列表。在此过程之后，内存使用量增加太多。例如1000页pdf使用300mb内存，我无法释放它。我已经阅读了一些LOH文章，但没有找到解决方案。

 public List<string> GetTextFromPdf()
    {
        if (_pdfDoc.Pages == null) return null;
        List<string> ocrList = new List<string>();

        foreach (var words in _pdfDoc.Pages.Select(s => s.Value.WordList))
        {
            ocrList.AddRange(words.Select(word => word.Word).Select(input => Regex.Replace(input, @"[\W]", "")));
        }

        GC.Collect();
        return ocrList;
    }

Answer 1

对于100兆字节的.pdf，这是正常的。您将整个内容加载到内存中，因为.NET中的字符占用2个字节，所以占用的内存量增加了一倍。您还将在列表的大对象堆中创建一堆垃圾。添加典型的.NET运行时开销，300兆字节不是意外结果。

检查this answer，详细了解如何使用List＆lt;＆gt; .Capacity属性有助于降低LOH需求。

Answer 2

检查您的pdf加载程序是否被引用 - 因此无法处理。

Answer 3

您的pdf库是否基于COM？完成后，您可能需要在某些引用上调用Marshall.releasecomobject。

C＃内存使用问题

3 个答案: