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，今天我指定了一个包含大约4000个pdf文件的文件夹，大约花了20分钟阅读所有文件并向我显示结果。然后，我想当我输入一个包含20,000多个文件的文件夹时，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;

然后，似乎从代码中删除了所有处理负担。

所以，我想要你们的建议是让我的方法更有效率，并且应该花更少的时间来处理所有文件。或者有其他选择吗？

Answer 1

绝对要做@ChrisBint所说的，这将会超过Window的文件包含很多文件的速度。

但为了获得更高的速度，请确保使用PdfReader的重载代替RandomAccessFileOrArray对象。在我的所有测试中，此对象比常规流更快方式。构造函数有两个重载，但你应该主要关注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，这可能是性能损失，但在现代机器上它应该没什么关系，所以我建议你将true传递给它。如果你传递false，那么当解析“光标”遍历文件时，需要多次点击磁盘。

所以，所有这些都可以在非常紧凑的循环中完成。对我来说，包含总计超过42,000页的4,000个文件大约需要2秒钟才能运行。

        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

就个人而言，我会略微更改您的代码，而不是在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
}

我怀疑这会对整个时间造成大量影响，如果有的话。

调用NumberOfPages属性的速度。由于pdfReader对象是内部的，因此您不太可能优化它。如果考虑性能，则可能需要额外的硬件。

就个人而言，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，我会开始查看缓存/检查现有文件，只添加已更改/新文件）。

ITextSharp在获取页数方面花费了太多时间

2 个答案: