從文件讀取和MongoDB GridFS的區別？

Question

我正在開發使用Python Flask framework將處理PDF文檔網站。我將PDF文件存儲在MongoDB中，當我需要爲訪問用戶提供服務時，該文件運行良好。我現在需要做一些文字和圖片萃取，我使用pdfminer library。當我使用pdf2txt.py，並提供從文件系統中的文件，這條線（context here）的作品幾乎瞬間：

for page in PDFPage.get_pages(file('ticket.pdf', 'rb'), pagenos, maxpages=maxpages, password=password, caching=caching, check_extractable=True): pass 

但是當我編輯的代碼，使我公司提供的GridFS對象從我的MongoDB，第二行（打完retreiving完）需要大約8秒成功（結果是相同的，上面的代碼）：

document = UserDocument.objects.first() 
for page in PDFPage.get_pages(document.file_, pagenos, maxpages=maxpages, password=password, caching=caching, check_extractable=True): pass 

這樣的驚喜我，因爲我假設，從我的MongoDB取一個文件或採取它從文件系統中返回一個e質量結果（它在瀏覽器中呈現相同），但顯然它不一樣。

有誰知道這兩者之間的區別是什麼導致這個呼叫這麼長的時間，更重要的是如何解決的呢？歡迎所有提示！

Answer 1

要回答我的問題：原來，因爲字符串在Python，這意味着任何字符串操作實習創造了新的字符串，可以得到手的，如果你有幾兆字節的字符串（即反覆複製「剩女」一個字符串處理成一個新的字符串會表現出減速）。

顯然，這凸顯了事實pdfminer庫寫的不好。所以我有兩種選擇：

1. 編輯pdfminer庫併發送拉請求。
2. 文件寫入到文件系統或StringIO的字符串緩衝區，並從讀出。

儘管選項1是最好的選擇，但我不知道如何知道這個庫或時間來學習這一點。所以我選擇了使用字符串緩衝區的選項2：

這現在需要大約1秒，雖然現在仍然很慢，但仍然可行。如果我們在開發過程中進一步研究，我們將看看我們是否可以分叉並改進pdfminer庫。