如何用C# ASP.NET将Azure Blob存储的PDF合并后供用户下载

核心原则为全程流式处理避免全量加载PDF到Web应用内存，尽可能降低服务器资源占用，合并过程无需落地本地磁盘。整体执行流程为：接收用户提交的PDF文件排序规则→按顺序从Azure Blob Storage拉取对应文件的只读流→调用PDF处理库逐页合并流→直接将合并后的输出流返回给前端供用户下载。

• 第一步：选择适配流式处理的PDF操作库，推荐选用MIT协议的PdfSharp-MigraDoc，或者功能更完善的iText 7，两者均为.NET生态成熟的PDF处理工具，支持直接从流读取、合并文件，无需生成临时本地文件。
• 第二步：按用户指定顺序拉取Blob流，调用Azure Blob SDK的OpenReadAsync方法获取只读流，不要使用全量加载到内存的API，参考代码如下：

// 初始化Blob容器客户端
var blobServiceClient = new BlobServiceClient("Azure Blob存储连接字符串");
var containerClient = blobServiceClient.GetBlobContainerClient("存储PDF的容器名称");

List<Stream> orderedBlobStreams = new List<Stream>();
// userOrderedBlobList为前端提交的、用户排序后的PDF对应的Blob名称列表
foreach (var blobName in userOrderedBlobList)
{
    var blobClient = containerClient.GetBlobClient(blobName);
    // 直接获取流，不加载全量数据到内存
    var blobStream = await blobClient.OpenReadAsync();
    orderedBlobStreams.Add(blobStream);
}

• 第三步：流式合并PDF，以iText 7为例的参考代码如下：

using var mergedPdfStream = new MemoryStream();
var writer = new PdfWriter(mergedPdfStream);
var targetPdfDoc = new PdfDocument(writer);
targetPdfDoc.SetDefaultPageSize(PageSize.A4);

foreach (var blobStream in orderedBlobStreams)
{
    using var sourcePdfDoc = new PdfDocument(new PdfReader(blobStream));
    // 把源PDF的所有页拷贝到目标文档的末尾
    sourcePdfDoc.CopyPagesTo(1, sourcePdfDoc.GetNumberOfPages(), targetPdfDoc);
    await blobStream.DisposeAsync();
}
targetPdfDoc.Close();
// 复位流指针到起始位置，才能正常返回给前端
mergedPdfStream.Position = 0;

• 第四步：直接返回流供用户下载，ASP.NET Core中直接返回FileResult即可，无需额外存储文件：

return File(mergedPdfStream, "application/pdf", "合并后文件的自定义名称.pdf");

• 如果业务场景中经常出现合并超过10个、单文件大于100M的PDF的需求，可以把合并逻辑拆分到Azure Function中异步处理，Web应用仅负责提交合并任务，任务完成后通过站内信、邮件通知用户，或者生成临时下载链接，避免Web请求超时。
• 接口层提前校验用户提交的Blob列表是否存在、是否为合法PDF格式，避免合并过程中报错。
• 合并完成后及时手动释放所有Blob流、PDF对象的占用，避免内存泄漏。

• iText 7使用AGPL协议，商业项目如果不希望开源相关代码需要购买商用授权，中小项目优先选择MIT协议的PdfSharp更合适。
• 同步合并接口需要设置合理的超时时间，大体积PDF合并优先采用异步任务模式。

内容的提问来源于stack exchange，提问作者Wallstreetguy