Docx to pdf usando openoffice sin cabeza demasiado lento

Question

He estado usando PHPWord para la generación de archivos docx. Y ha estado funcionando genial. Pero ahora tengo la necesidad de poner a disposición algunos de esos archivos en una versión en pdf.

Después de algunas investigaciones encontré PyODConverter que usan OOo. Parecía una buena opción, ya que no quiero depender de servicios web de terceros. Lo probé en mi máquina y funciona con una multa, por lo que también lo he aplicado en mi servidor. Me llevó un poco más de tiempo, pero también pude hacerlo funcionar allí.

Sin embargo, hay un (mal) problema. En el servidor esto toma alrededor de 21 segundos para hacerlo, mientras que en mi máquina no lleva más tiempo que 2. :( Esto es demasiado tiempo para mis necesidades, así que he estado tratando de detectar lo que podría estar causando este retraso. Iniciando openoffice en modo healess con la creación de socket está bien Así que he estado buscando en el script python tratando de averiguar qué instrucción podría estar causando la desaceleración. Lo he reducido a esta línea:

context = resolver.resolve("uno:socket,host=127.0.0.1,port=8100;urp;StarOffice.ComponentContext") 

Esta es la acción que está teniendo sobre 20Segs para ejecutar el código en el que se inserta:.

localContext = uno.getComponentContext() 
resolver = localContext.ServiceManager.createInstanceWithContext("com.sun.star.bridge.UnoUrlResolver", localContext) 
try: 
    context = resolver.resolve("uno:socket,host=127.0.0.1,port=8100;urp;StarOffice.ComponentContext") 
except NoConnectException: 
    raise DocumentConversionException, "failed to connect to OpenOffice.org on port %s" % port 
self.desktop = context.ServiceManager.createInstanceWithContext("com.sun.star.frame.Desktop", context) 

¿Alguna pista sobre lo que podría estar causando este retraso? He descartado el documento que intento convertir, ya que estas operaciones ocurren antes de eso. ¿Podría ser un problema con 'uno'? ¿O tal vez otra biblioteca faltante que pueda estar causando pruebas inútiles durante la operación de resolución()?

Cualquier idea es bienvenida. :)

Saludos, inquieto

Answer 1

me las arreglo para eliminar el retardo mediante el uso de tuberías en lugar de tomas de corriente para la conexión.

context = resolver.resolve("uno:pipe,name=myuser_OOffice;urp;StarOffice.ComponentContext") 

todavía tienen un problema sin embargo ... el usuario que ejecuta el script en Python debe ser el mismo que se inicia OOo para que todo funcione bien.Por lo general, no sería un gran problema, pero estoy tratando de ejecutar Python desde mi aplicación web y todavía no lo pude hacer funcionar. estoy tratando con algo como esto:

exec('sudo -u#1000 -s python path/to/DocumentConverter.py filename.docx filename.pdf'); 

me estoy haciendo nada de esto .. y yo no entiendo por qué. ¿Tal vez el usuario (www-data) que ejecuta exec() no tiene permiso para ejecutar sudo?

Answer 2

Tal vez la resolución de nombres en el servidor no sabe localhost (lo que sería muy extraño, pero 20 segundos suena como un tiempo de espera de DNS). Podría intentar reemplazarlo con 127.0.0.1.

Alternativamente, quizás está haciendo bien la búsqueda, recuperando direcciones IPv6 e IPv4 para localhost, tratando de hacer la conexión a través de IPv6 y fallando (es decir, es posible que el componente no admita IPv6 o no se una a esa interfaz predeterminado) y solo luego volver a caer en IPv4. En ese caso, el remedio sería el mismo: reemplace localhost con 127.0.0.1.

Answer 3

Es una lástima que la oficina abierta sea tan pesada. También lo estaba considerando, pero luego encontré una solución más ligera que es abiword.

Tuve que generar las vistas previas de 4 primeras páginas del documento cargado. Esto es lo que hice:

abiword document.doc --to=ps --exp-props="pages:1-4" 
gs -q -dNOPAUSE -dBATCH -dTextAlphaBits=4 -dGraphicsAlphaBits=4 -r72 -sDEVICE=pnggray -sOutputFile=preview%d.png document.ps 

por lo que puede conseguir el abiword reciente y probar algo como esto:

abiword document.docx --to=pdf