如何使用c#和并行扩展并行化顺序任务？

我有以下按顺序调用的方法：

私有StringBuilder ReadPDF（）

私有StringBuilder CleanText（StringBuilder sb）

私有void ParseText（） ParseText调用ReadPDF，ReadPDF调用CleanText

我正在解析的PDF有15MB的文本，使用常规core 2 duo计算机从文件中提取所有数据需要10分钟

如何将这些任务并行化

---

编辑：只是澄清一下，阅读PDF只需要很少的时间，问题在于解析提取的文本，更具体地说是在CleanText阶段。我需要并行化的原因是，清理单个页面是即时的，但清理2k+页面需要很长时间。

首先，您可能需要查看阅读PDF的方式。如果它只有15MB，那么读取它不会花费10分钟，除非您使用了非常糟糕的解析方法。

---

其次，在找到更好的解析方法之后，您应该确保可以从所需的任何页面一次读取一个页面。此后，您将能够并行执行阅读单个页面的多个任务。

正如Denis所说，您可以阅读文本的一部分，通常是一页，但您可以将其分成更小的块，然后在阅读下一部分文本时处理该文本

如果你想了解更多关于并行编程的知识，你可以在网站上找到好的信息和实验室

MDN也有一个功能

---

还有一本好书《C#的专业并行编程：Gastón Hillar的.NET 4主并行扩展》

一页一页地阅读PDF，并使用流水线处理每一页

---

正如之前在一篇帖子中提到的，可能你做错了什么。它只有15MB的PDF，阅读它不需要10分钟。

阅读PDF不需要10分钟，通常每2k页需要10秒钟，因为我阅读它们时保留了文档结构。清理文本需要14分钟。@anthony，清理文本是做什么的？它需要这么长时间？再一次，我想不出任何一个过程会花费这么长的时间，即使它对文本进行“视频”处理，实际上这是我的错误。我要通读全文，找到一个匹配项，并对我需要的每一个匹配项重复这个过程。因为文本很难解析（没有模式），所以花了这么长时间。我听从了你的建议，对单个页面的并行解析将解析时间从10+分钟缩短到6秒。对不起，我应该说读取PDF很快，问题是如何清理它以便提取所需的数据。哇，流水线正是我所追求的：使用其他任务的输出生成最终结果的任务，对吧@安东尼：除非你在做一些严肃的黑魔法分析，否则清理15兆字节的数据应该不会花费任何时间来获得合理高效的代码。在没有看到一些示例代码的情况下，很难说时间会花在哪里，但最好看看字符串处理。几乎每个字符串操作都会在内存中创建一个全新的字符串，因此，如果您处理大量文本，则很容易浪费大量时间来执行诸如连续调用string.Replace（）之类的操作。我会尽可能使用StrinBuilder来限制创建的新字符串。下面是我用来清理文本的代码的简化版本：您使用StringBuilder的方式可能使问题变得更糟而不是更好。您对sb.ToString（）的每次调用都将创建所有文本的全新副本。更好的模式的一个例子是将输入分解为更小的单元，您可以将其作为IEnuemrable返回，然后创建一组更小的过程，使用枚举器块连续删除不需要的文本（通过简单地不

生成返回
并将其转换为数据流）。