DOCX转PDF时间太长

中文技术支持
,
1

有一个特殊docx样本，总共4510页，是由相同的几页内容一直复制得到的。我想把这个docx样本的前10页转成pdf。微软的office365大概1秒左右完成，aspose迟迟得不到转换结果。有没有办法应对这种样本。
代码如下：

private Document loadDocument(byte[] inWord, String password) throws Exception {
    LoadOptions loadOptions = new LoadOptions();
    if (password != null && !password.isEmpty()) {
        loadOptions.setPassword(password);
    }
    return new Document(new ByteArrayInputStream(inWord), loadOptions);
}

private byte[] convertToPdf(Document document) throws Exception {
    try (ByteArrayOutputStream bos = new ByteArrayOutputStream()) {
        PdfSaveOptions pdfOptions = new PdfSaveOptions();
        pdfOptions.setCompliance(PdfCompliance.PDF_17);
        pdfOptions.setPageSet(new PageSet(0, 10));
        document.save(bos, pdfOptions);
        return bos.toByteArray();
    }
}

样本在文件系统中显示为：12.5MB, 但是上传附件提示超过了48.8MB
样本的微软云下载链接：https://dllf.intsig.net/download/2025/CustomService/debug.docx

2

@ztthu

在处理大型DOCX文件转换为PDF时，可能会遇到性能问题，尤其是当文档页数非常多时。您提到的样本文档有4510页，且内容重复，这可能导致Aspose在处理时效率较低。

为了提高转换速度，您可以尝试以下几种方法：

  1. 限制转换的页面范围：您已经在代码中使用了PageSet来限制转换的页面范围。确保您只转换所需的页面（例如前10页），这可以显著减少处理时间。

  2. 优化PDF保存选项：在PdfSaveOptions中，您可以尝试调整一些设置以优化性能。例如，禁用某些不必要的功能，如嵌入所有字体或图像压缩等，可能会加快转换速度。

  3. 使用流式处理：如果您的文档非常大，考虑使用流式处理来逐步读取和转换文档，而不是一次性加载整个文档。

  4. 检查文档内容：确保文档中没有复杂的元素（如大量的图形、表格或嵌入对象），这些元素可能会影响转换速度。

以下是您可以尝试的代码示例，展示了如何设置PdfSaveOptions以优化性能：

private byte[] convertToPdf(Document document) throws Exception {
    try (ByteArrayOutputStream bos = new ByteArrayOutputStream()) {
        PdfSaveOptions pdfOptions = new PdfSaveOptions();
        pdfOptions.setCompliance(PdfCompliance.PDF_17);
        pdfOptions.setPageSet(new PageSet(0, 10)); // 仅转换前10页
        pdfOptions.setEmbedFullFonts(false); // 禁用嵌入所有字体
        pdfOptions.setImageCompression(PdfImageCompression.JPEG); // 设置图像压缩
        document.save(bos, pdfOptions);
        return bos.toByteArray();
    }
}

通过这些调整，您可能会发现转换速度有所提升。如果问题仍然存在，建议您检查Aspose的文档或社区论坛，寻找其他用户的经验和建议。

5

@ztthu 默认情况下，Aspose.Words 在渲染文档时会为整个文档构建布局。您可以使用如下代码来中断构建文档布局。代码演示了如何在构建指定页面的布局后强制中断：

int pagesToRender = 10;
Document doc = new Document("C:\\Temp\\in.docx");
doc.getLayoutOptions().setCallback(new PageLayoutCallback(pagesToRender));
try
{
    doc.updatePageLayout();
}
catch (PageLimitReachedException ex)
{
    PdfSaveOptions opt = new PdfSaveOptions();
    opt.setPageSet(new PageSet(new PageRange(0, pagesToRender-1)));
    doc.save("C:\\Temp\\out.pdf", opt);
}

private static class PageLayoutCallback implements IPageLayoutCallback
{
    public PageLayoutCallback(int maxPageCount)
    {
        mMaxPageCount = maxPageCount;
    }
 
    @Override
    public void notify(PageLayoutCallbackArgs args) throws Exception {
        if (args.getEvent() == PageLayoutEvent.PART_REFLOW_STARTED &&
                args.getPageIndex() >= mMaxPageCount)
            throw new PageLimitReachedException();
    }
    
    private int mMaxPageCount;
}

private static class PageLimitReachedException extends Exception { }

上述代码在我这边大约需要10秒。

1 Like
6

非常感谢，很有用，从600s以上提升到了8s

7

@alexey.noskov
这个方案对目前转换前几页样本非常有效，我尝试在您的代码基础上增加了起始页和终止页，没有得到预想的效果提升，构建文档布局是必须按顺序从第一页开始吗？

8

@ztthu 您可能知道 MS Word 文档本质上是流动的，没有“页面”的概念。消费者应用程序会动态地将文档内容重新排版到页面中。因此，要构建文档中最后一页的页面布局，需要构建文档中所有先前页面的布局。

9

@alexey.noskov
多谢解答。还有个疑问，Office365在转换中间页时的速度明显快很多，只需要几秒，这是如何做到的呢？

10

@ztthu 很遗憾，我们没有关于在 Office365 内部处理文档的信息。