PDF text memory usage

PDFテキストメモリ使用量とは、PDF文書内のテキストコンテンツを処理、レンダリング、または操作する際に消費されるRAMの量を指します。PDF内のテキストは、フォントデータ、文字エンコーディング、配置命令、および ( Citation: N.A., 2020 (N.A.). (2020). Document management — Portable document format — Part 2: PDF 2.0 .  International Organization for Standardization Retrieved from https://www.iso.org/standard/75839.html ) で定義されたオプションの構造情報の組み合わせとして格納されます。メモリ消費パターンを理解することは、大規模にPDFを処理するアプリケーションや、リソースに制約のあるデバイス向けのアプリケーションを構築する開発者にとって重要です。

PDFテキストメモリ使用量は、複数のコンポーネントをロードして処理するために必要なRAMを包含します：フォントプログラム（Type 1、TrueType、またはCIDFonts）、文字マッピングテーブル（CMapsとエンコーディング辞書）、配置マトリックスを含むテキスト表示演算子、そして存在する場合は ( Citation: PDF Association, 2023 PDF Association(2023). Retrieved from https://pdfa.org/resource/tagged-pdf-best-practice-guide-syntax/ ) で規定されているTagged PDFの論理構造ツリーです。これはディスク上のファイルサイズとは異なり、メモリ使用量には展開されたストリーム、キャッシュされたグリフアウトライン、および圧縮されたPDFデータよりも大幅に大きくなる可能性のある中間レンダリング構造が含まれます。ファイルサイズを支配することが多い画像とは異なり、テキストメモリのオーバーヘッドは主に、実際の文字データではなく、フォントのサブセット化の決定、Unicodeマッピングの複雑さ、および構造メタデータから生じます。

開発者にとって、テキストメモリ使用量はアプリケーションのパフォーマンス、スケーラビリティ、およびユーザーエクスペリエンスに直接影響します。複数のPDFを同時に処理するアプリケーションは、クラッシュやシステムの速度低下を避けるために、累積メモリ消費量を考慮する必要があります。モバイルおよび組み込みアプリケーションは厳格なメモリ制約に直面しており、非効率的なテキスト処理はアプリの強制終了を引き起こす可能性があります。 ( Citation: N.A., 2014 (N.A.). (2014). Document management applications — Electronic document file format enhancement for accessibility — Part 1: Use of ISO 32000-1 (PDF/UA-1) .  International Organization for Standardization Retrieved from https://www.iso.org/standard/64599.html ) で概説されているTagged PDF処理を必要とするアクセシビリティ機能を実装する場合、開発者は構造ツリー、ロールマッピング、および代替テキスト説明からの追加メモリオーバーヘッドを管理する必要があります。サーバーサイドのPDF生成または変換サービスは、最適な同時実行レベルを決定し、負荷下でのリソース枯渇を防ぐために、正確なメモリ予算配分が必要です。

PDFリーダーがテキストコンテンツをロードする際、まず文書のフォントリソースを解析します。これには、わずか数個のグリフしか使用されない場合でも、フォントプログラム全体をメモリにロードすることが必要になる場合があります。次にアプリケーションは、テキスト表示演算子（Tj、TJ、’、"）を含むコンテンツストリームと、それに関連するグラフィックス状態パラメータ（テキストマトリックス、文字間隔、単語間隔など）を処理します。Tagged PDFの場合、構造ツリーを解析してメモリに保持し、コンテンツと論理要素の関係を確立する必要があります。メモリ消費量は、フォントが埋め込まれているか参照されているか、フォントサブセットがどのように定義されているか、Unicodeマッピングの複雑さ（特にCJK言語の場合）、およびアプリケーションがレンダリングパフォーマンスのためにグリフアウトラインをキャッシュするかどうかによって変動します。開発者は、フォントデータの遅延ロード、未使用のフォントキャッシュの解放、ページストリーム全体をロードするのではなくストリーミングコンテンツ処理、およびで説明されているアクセシビリティ機能を扱う際の構造ツリートラバーサル深度の最小化により、メモリ使用量を最適化できます。

• Font embedding（フォント埋め込み） – PDFファイル内にフォントプログラムを含めることで、ファイルサイズとメモリ要件の両方に影響します
• Content streams（コンテンツストリーム） – 解析してメモリに保持する必要があるテキスト表示演算子とグラフィックス命令を含むデータ構造
• Tagged PDF – 論理構造情報を持つPDF文書で、構造ツリーと要素属性のための追加メモリが必要です
• Glyph cache（グリフキャッシュ） – RAM消費を犠牲にしてパフォーマンスを向上させるために、レンダリングされた文字形状をメモリ内に保存すること
• CMap（Character Map、文字マップ） – テキスト抽出とレンダリング中にメモリを消費する、文字コードと文字識別子間のマッピングテーブル