python - pdfplumber 内存占用（大型 pdf 文件崩溃）

Question

使用pdfplumber从大型 pdf 文件中提取文本会导致崩溃。

with pdfplumber.open("data/my.pdf") as pdf:
    for page in pdf.pages:
        **do something**

Answer 1

在以下位置找到解决方案： https ://github.com/jsvine/pdfplumber/issues/193 新：

with pdfplumber.open("data/my.pdf") as pdf:
    for page in pdf.pages:
        run_my_code()
        page.flush_cache()

老的：

with pdfplumber.open("data/my.pdf") as pdf:
    for page in pdf.pages:
        run_my_code()
        del page._objects
        del page._layout

这两个似乎是每个循环后最有责任占用内存的一个，删除它可以帮助不占用计算机内存。

如果这不起作用，请尝试强制垃圾收集器清理它们。

import gc
with pdfplumber.open("data/my.pdf") as pdf:
    for page in pdf.pages:
        run_my_code()
        del page._objects
        del page._layout
        gc.collect()