MarkLogic大文件转换失败求助：DOC/DOCX/PDF转XHTML无输出

针对大文件转换返回空序列的问题，可从参数配置、内存优化、系统设置等方面入手解决，具体方案如下：

1. 调整转换函数的资源限制参数 #

xdmp:word-convert、xdmp:pdf-convert等函数支持通过options参数配置内存上限和超时时间，默认配置不足以处理大文件。示例配置如下：

<options xmlns="xdmp:convert">
  <max-memory>4096</max-memory> <!-- 设置4GB内存限制，根据服务器配置调整 -->
  <timeout>600</timeout> <!-- 设置10分钟超时，避免大文件转换超时终止 -->
  <output-format>xhtml</output-format> <!-- 明确指定输出格式为XHTML -->
</options>

2. 优化大文件读取方式 #

使用xdmp:document-get读取大文件时，开启流模式减少内存占用，避免一次性加载整个文件到内存：

let $source := xdmp:document-get(
  "file:///C:/119-MB-doc-file.doc", 
  <options xmlns="xdmp:document-get"><streamable>true</streamable></options>
)

3. 调整MarkLogic任务服务器配置 #

大文件转换任务由MarkLogic的任务服务器执行，需确保任务服务器有足够资源：

• 登录MarkLogic管理界面，进入Groups -> 目标组 -> Task Servers
• 找到负责转换任务的服务器（如xdmp-convert），调整Maximum Heap Size（最大堆内存）至合适值（建议不超过服务器物理内存的70%）

4. 启用转换日志排查问题 #

空序列通常是转换过程中出错但未抛出异常导致，开启转换日志可获取详细错误信息：

• 在管理界面进入Groups -> 目标组 -> Logging
• 启用Convert类日志，设置日志级别为Debug，查看日志中是否有内存不足、文件损坏等报错

5. 预处理大文件（可选） #

若大文件包含大量嵌入式资源（如高清图片、多媒体），可先用第三方工具拆分文件或剥离冗余资源后再转换，降低转换压力

修改后的完整代码示例 #

import module namespace c = "http://marklogic.com/leapfrog/config" at "/ada/config.xqy";

let $source := xdmp:document-get(
  "file:///C:/119-MB-doc-file.doc", 
  <options xmlns="xdmp:document-get"><streamable>true</streamable></options>
)

let $new-uri := "document.doc"
let $doc-format := $c:doc-format-doc
let $convert-options := 
  <options xmlns="xdmp:convert">
    <max-memory>4096</max-memory>
    <timeout>600</timeout>
    <output-format>xhtml</output-format>
  </options>

let $results :=
switch ($doc-format)
    case $c:doc-format-doc return                                   
        xdmp:word-convert($source, $new-uri, $convert-options)
    case $c:doc-format-ppt return
        xdmp:powerpoint-convert($source, $new-uri, $convert-options)
    case $c:doc-format-xls return
        xdmp:excel-convert($source, $new-uri, $convert-options)
    default return
        xdmp:pdf-convert($source, $new-uri, $convert-options)
return $results

内容的提问来源于stack exchange，提问作者Pawan