Headless LibreOffice 在 Windows 上导出为 PDF 非常慢（比 Linux 慢 6 倍）

Question

我经常需要使用 LibreOffice 将许多（> 1000）.docx 文档导出为 PDF。这是一个示例文档：test.docx。以下代码可以工作，但在 Windows 上速度相当慢（每个 PDF 文档平均 3.3 秒）：

import subprocess, docx, time   # first do: pip install python-docx 
for i in range(10):
    doc = docx.Document('test.docx')
    for paragraph in doc.paragraphs:
        paragraph.text = paragraph.text.replace('{{num}}', str(i))
    doc.save('test%i.docx' % i)   # these 4 previous lines are super fast - a few ms
    t0 = time.time()
    subprocess.call(r'C:\Program Files\LibreOffice\program\soffice.exe --headless --convert-to pdf test%i.docx --outdir . --nocrashreport --nodefault --nofirststartwizard --nolockcheck --nologo --norestore"' % i)
    print('PDF generated in %.1f sec' % (time.time()-t0))

    # for linux:
    # (0.54 seconds on average, so it's 6 times better than on Windows!)
    # subprocess.call(['/usr/bin/soffice', '--headless', '--convert-to', 'pdf', '--outdir', '/home/user', 'test%i.docx' % i])  

如何在 Windows 上加快 PDF 导出速度？

我怀疑很多时间都浪费在"Start LibreOffice/Writer, (do the job), Close LibreOffice" "Start LibreOffice/Writer, (do the job), Close LibreOffice" "Start LibreOffice/Writer, (do the job), Close LibreOffice"等等上了。

笔记：

• 作为比较：此处： https: //bugs.documentfoundation.org/show_bug.cgi ?id=92274 据说导出时间为 90 毫秒或 810 毫秒。

• soffice.exe替换为swriter.exe：同样的问题：平均 3.3 秒

  subprocess.call(r'C:\Program Files\LibreOffice\program\swriter.exe --headless --convert-to pdf test%i.docx --outdir ."' % i)
  

Answer 1

事实上，所有时间都浪费在启动/退出 LibreOffice 上。我们可以在一次调用中传递许多 docx 文档soffice.exe：

import subprocess, docx
for i in range(1000):
    doc = docx.Document('test.docx')
    for paragraph in doc.paragraphs:
        paragraph.text = paragraph.text.replace('{{num}}', str(i))
    doc.save('test%i.docx' % i)

# all PDFs in one pass:
subprocess.call(['C:\Program Files\LibreOffice\program\swriter.exe', 
    '--headless', '--convert-to', 'pdf', '--outdir', '.'] + ['test%i.docx' % i for i in range(1000)])

总共 107 秒，因此每个 PDF 平均需要约 107 毫秒，要好得多！

笔记：

• 它不适用于 10,000 个文档，因为命令行参数的长度将超过 32k 个字符，如此处所述

• 我想知道是否可以有一种更具交互性的方式来使用 LibreOffice headless：

  • 开始作家无头，保持它开始
  • open test1.docx向此进程发送类似的操作
  • 发送操作export to pdf，并关闭 docx
  • 发送open test2.docx，然后导出等
  • ...

  • 退出无头作家

     

  这适用于 MS Office 的 COM（组件对象模型）：使用 python 将 .doc 转换为 pdf，但我想知道 LibreOffice 是否存在类似的东西。答案似乎是否定的：LibreOffice/OpenOffice 是否支持 COM 模型