python pdfplumber内存泄漏

项目场景：

使用python pdfplumber 进行pdf表格解析，导出表格数据

---

问题描述

由于解析的pdf文件有一万两千页，解析的时候内存直接拉满。但是百度并不能找到解决方案，反而一堆其他的内存泄漏和内存过多的无用的回答。

---

原因分析：

使用objgraph进行内存分析的时候，发现dict类型的数据最多而且随着我读取的页数越多增加。

dict                       364731
PDFObjRef                  245206
list                       52344
tuple                      41388
PDFStream                  12312
Page                       12293
PDFPage                    12293
function                   4066
LTChar                     1802
wrapper_descriptor         1211
weakref                    1162
builtin_function_or_method 872
method_descriptor          865
getset_descriptor          698
type                       676
PDFGraphicState            607
cell                       434
member_descriptor          381
module                     250
ModuleSpec                 249
SourceFileLoader           198

本以为是我自己使用dict类型造成的内存泄漏，使用del和gc.collect()之后都没有用，于是怀疑是pdfplumber造成的内存泄漏

---

解决方案：

使用flush_cache()方法对pdf的page进行缓存清理

with pdfplumber.open("data/my.pdf") as pdf:
    for page in pdf.pages:
        run_my_code()
        page.flush_cache()

原issue