如何使使用PYPDF 2的多页水印更具资源效率

Question

我正在尝试编写一个简短的脚本，对一个100页的pdf（~100MB）进行编号，这是一个输入文件。我已经制作了约60KB的水印文件，我正在尝试生成一个输出，将这两个文件逐页合并，以生成编号的输出文件。水印文件由reportlab生成，它只是一个100页的空白文档，底部有正确的页码（1、2、3、4、5等）

虽然这个脚本可以运行，但它使用了一个普通的四核处理器运行了13分钟，平均CPU使用率约为30%，RAM使用率为5.5GB。这比我预期的要多，因为水印文件的生成几乎是瞬时的

输出文件也是~285MB，这比输入文件和水印文件的总和还要多

代码如下：

def mergepdffiles(inputfile,outputfile,watermarkfile):
    template = PyPDF2.PdfFileReader(open(inputfile, 'rb'))
    watermark = PyPDF2.PdfFileReader(open(watermarkfile, 'rb'))
    output = PyPDF2.PdfFileWriter()
    for i in range(template.getNumPages()):
        page = template.getPage(i)
        page.mergePage(watermark.getPage(i))
        output.addPage(page)

    with open(outputfile, 'wb') as file:
        output.write(file)
    return None

我怀疑在处理速度和内存使用方面有一种更有效的方法

或者，有没有更好的方法可以在多页pdf中向每个页面添加页脚，而不必合并两个现有文件？我认为这样会更有效率

Answer 1

也许答案会对您有所帮助。Is there a way to speed up PDF page merging...其中使用了compressContentStreams（）函数来减小pdf的大小，并使用100%处理器。