iTextSharp的花费过多时间在获得页面

Question

数我有这样一段代码：

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，当今天我指定的具有约4000 PDF文件的文件夹，花了约20分钟阅读全部文件并显示结果。然后，我想当我输入一个文件夹超过20,000个文件时，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，似乎如果所有的处理负担从代码中删除。

所以，我想从你们那里得到的建议是让我的方法高效，并且应该花费更少的时间处理所有文件。或者有其他的选择吗？

Answer 1

个人而言，我会稍微改变你的代码，不要在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 
} 

我怀疑这会影响大量的整体时间，如果有的话。

至于调用NumberOfPages属性的速度。由于在pdfReader对象的内部，你不可能优化它。如果性能是一个问题，那么这可能需要额外的硬件。我个人并不认为这是一个问题，除非我必须持续运行扫描（在这种情况下，我将开始寻找缓存/检查现有文件，并只添加已更改/新的文件）。

Answer 2

绝对要做@ChrisBint所说的，它会通过Window缓慢的文件夹来处理很多文件。

但为了获得更高的速度，请务必使用PdfReader的超负荷，而不是使用RandomAccessFileOrArray对象。在我的所有测试中，此对象的速度比普通流快方式。构造函数有几个重载，但你应该主要关心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，这可能会造成性能下降，但在现代机器上应该无关紧要，所以我建议您将true传递给此。如果您通过false，则解析“光标”遍历文件时需要多次点击该磁盘。

因此，所有这一切都可以在一个非常紧密的循环中完成。对我而言，包含总共42,000多页的4,000个文件需要大约2秒的时间才能运行。

 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));