.NET Core环境下低内存占用合并大型PDF文件的实现方案咨询

嘿，这个问题我太有共鸣了！在Azure函数里处理大尺寸PDF合并，内存配额卡得死死的，全量加载文件确实分分钟触发重启，太头疼了。

先给你泼个小冷水：PDF没法像TXT那样直接粗暴拼接。因为PDF不是纯文本流，它有复杂的内部结构——比如交叉引用表、文档目录、资源字典这些元数据，直接把两个PDF的二进制内容拼在一起，生成的文件根本无法被阅读器识别，会直接报错损坏。

不过别担心，我们可以实现接近流式的低内存合并方案，不用把整个PDF都加载到内存里，刚好适配Azure函数的资源限制。下面给你几个实践过的可行方向：

1. 用iText 7的内存优化模式处理 #

iText 7在.NET Core里有很好的支持，它提供了内存节省模式，可以让你边读边写，避免全量加载。

举个简单的代码示例：

using iText.Kernel.Pdf;
using iText.Kernel.Utils;

// 初始化合并后的PDF写入器
using var mergedWriter = new PdfWriter("merged.pdf");
using var mergedDocument = new PdfDocument(mergedWriter);

// 循环处理每个要合并的PDF
foreach (var pdfPath in pdfFilePaths)
{
    // 启用内存节省模式，只加载必要的元数据，不把整个文档放内存
    using var reader = new PdfReader(pdfPath).SetMemorySavingMode(true);
    using var sourceDocument = new PdfDocument(reader);
    
    // 逐页合并，这里底层是流式处理，内存占用不会随文件大小线性增长
    PdfMerger merger = new PdfMerger(mergedDocument);
    merger.Merge(sourceDocument, 1, sourceDocument.GetNumberOfPages());
}

这种方式下，内存占用会稳定在一个较低的区间，因为每个源PDF只会被分段读取处理，处理完就释放对应资源。

2. 调用Ghostscript命令行工具 #

如果你不想写太多代码，Ghostscript是个绝佳选择——它的PDF合并功能本身就是为低内存优化的，底层用的是流式处理，甚至比大部分代码库的内存控制更好。

你可以在Azure函数里打包Ghostscript的二进制文件，然后通过命令行调用：

gs -dNOPAUSE -sDEVICE=pdfwrite -sOUTPUTFILE=merged.pdf -dBATCH file1.pdf file2.pdf file3.pdf

这种方式的优势是不用自己处理PDF的复杂结构，工具帮你搞定一切，内存占用极低。唯一要注意的是，需要把Ghostscript的对应平台二进制文件（比如Linux版，因为Azure函数大多用Linux容器）打包到函数部署包中，然后指定正确的执行路径。

3. 优化你之前的逐页加载思路 #

你之前那种“循环加载每个页面到渲染器”的方式，确实会让内存和文件大小成正比——因为每一页的内容都会被加载到内存中暂存。换成上面两种流式/增量处理的方式，就能把内存占用压下来。

另外，在Azure函数里还有个小技巧：把要合并的PDF先下载到函数的临时目录（%TEMP%或者/tmp），而不是直接从Blob内存流处理，这样能减少内存里的数据流占用，进一步降低内存压力。

备注：内容来源于stack exchange，提问作者Mike