Skip to content
PDF Oxide

vs. Rust-PDF-Bibliotheken

PDF Oxide im Vergleich mit den meistgenutzten Rust-PDF-Crates: lopdf, printpdf, pdf-rs und pdf_extract. Jede zielt auf eine andere Abstraktionsebene und einen anderen Satz von Anwendungsfällen ab.

Zusammenfassung

PDF Oxide lopdf printpdf pdf-rs pdf_extract
API-Ebene High-Level Low-Level Mid-Level (Erstellung) Low-Level (Lesen) Mid-Level (Lesen)
PDFs lesen Ja Ja Nein Ja Ja
PDFs schreiben Ja Ja Ja Nein Nein
Textextraktion Ja (High-Level) Manuell Nein Manuell Ja (einfach)
Bildextraktion Ja (High-Level) Manuell Nein Manuell Nein
Formularfelder Lesen + Schreiben Manuell Nein Nur Lesen Nein
PDF-Erstellung Ja Ja Ja Nein Nein
Markdown-/HTML-Eingabe Ja Nein Nein Nein Nein
Bestehende PDFs bearbeiten Ja Ja (Low-Level) Nein Nein Nein
Annotationen Lesen + Schreiben Manuell Nein Nur Lesen Nein
Verschlüsselung Lesen + Schreiben Nein Nein Nein Nein
PDF/A-Validierung Ja Nein Nein Nein Nein
Rendering Ja (tiny-skia) Nein Nein Teilweise Nein
Python-Bindings Ja Nein Nein Nein Nein
Lizenz MIT MIT MIT MIT Apache-2.0

Alle Bibliotheken sind permissiv lizenziert. Die Unterschiede liegen im Umfang und in der Abstraktionsebene.

Leistungsvergleich

Benchmark über das vollständige Korpus (3.830 PDFs)

Getestet auf dem vollständigen Korpus aus 3.830 PDFs – drei unabhängigen, öffentlich verfügbaren Testsuiten, die die Konformität mit der PDF-Spezifikation (veraPDF, 2.907 Dateien), reale Grenzfälle beim Browser-Rendering (Mozilla pdf.js, 897 Dateien) sowie Sicherheits- und Robustheits-Stresstests einschließlich fehlerhafter Strukturen und durch Fuzzing erzeugter Beschädigungen (DARPA SafeDocs, 26 Dateien) abdecken. Siehe Details zum vollständigen Korpus.

Bibliothek Mittelwert p99 Erfolgsquote Textextraktion Anmerkungen
PDF Oxide 0,8 ms 9 ms 100 % Integriert, produktionsreif Unicode, CJK, Leserichtung
oxidize_pdf 13,5 ms 11 ms 99,1 % Einfach Maximaler Ausreißer 48 s
unpdf 2,8 ms 10 ms 95,1 % Einfach 185 Fehlschläge im vollständigen Korpus
pdf_extract 4,08 ms 37 ms 91,5 % Einfach Verfehlt komplexe Layouts
lopdf 0,3 ms 2 ms 80,2 % Keine integrierte Extraktion Scheitert bei 20 % der PDFs

lopdf ist bei den PDFs, die es parsen kann, schneller – aber es scheitert bei 20 % des Korpus und bietet keine Textextraktion. Font-Decodierung, CMap-Auflösung und Abstandsanalyse müssten Sie selbst implementieren.

pdf_extract bietet einfache Textextraktion, hat aber eine Erfolgsquote von 91,5 % und tut sich schwer mit komplexen Layouts, CJK-Text und getaggten PDFs. oxidize_pdf hat eine ordentliche Zuverlässigkeit (99,1 %), ist aber bei der mittleren Extraktionszeit 17× langsamer als pdf_oxide, mit einem Worst-Case-Ausreißer von 48 Sekunden. unpdf verarbeitet das vollständige Korpus, scheitert aber bei 185 PDFs.

PDF Oxide ist die einzige Rust-Crate, die 100 % Zuverlässigkeit mit produktionsreifer Textextraktion verbindet.

Vergleich des API-Designs

PDF Oxide: High-Level, aufgabenorientiert

PDF Oxide bietet speziell zugeschnittene Methoden für gängige Aufgaben. Sie arbeiten mit Text, Bildern und Formularfeldern – nicht mit PDF-Objekten und -Dictionaries.

use pdf_oxide::PdfDocument;

let mut doc = PdfDocument::open("report.pdf")?;

// Text extraction -- one call
let text = doc.extract_text(0)?;
println!("{}", text);

// Styled spans with font metadata
let spans = doc.extract_spans(0)?;
for span in &spans {
    println!("'{}' font={} size={:.1}pt", span.text, span.font_name, span.font_size);
}

// Image extraction
let images = doc.extract_images(0)?;
for img in &images {
    println!("{}x{} {:?}", img.width, img.height, img.format);
}

// Form fields
let fields = doc.extract_form_fields()?;
for field in &fields {
    println!("{}: {:?}", field.name, field.value);
}

Die PDF-Erstellung ist ebenso unkompliziert:

use pdf_oxide::api::Pdf;

// From Markdown
let pdf = Pdf::from_markdown("# Report\n\n| A | B |\n|---|---|\n| 1 | 2 |")?;
pdf.save("report.pdf")?;

// From HTML
let pdf = Pdf::from_html("<h1>Report</h1><p>Content here.</p>")?;
pdf.save("report.pdf")?;

lopdf: Low-Level-Objektmanipulation

lopdf gibt Ihnen direkten Zugriff auf PDF-Objekte, Streams und die Querverweistabelle. Um es effektiv zu nutzen, müssen Sie die PDF-Spezifikation verstehen. Es gibt keine integrierte Textextraktion – Sie navigieren selbst durch Dictionaries und decodieren Streams.

use lopdf::Document;

let doc = Document::load("report.pdf")?;

// Get page dictionary
let page_id = doc.page_iter().next().unwrap();
let page = doc.get_dictionary(page_id)?;

// Get content stream -- manual work
let contents = page.get("Contents")?;
let stream = doc.get_object(contents.as_reference()?)?;

// To extract text you must:
// 1. Parse the content stream operators
// 2. Resolve font references from /Resources
// 3. Decode CMap/ToUnicode mappings
// 4. Apply text matrix transformations
// 5. Handle encoding differences
//
// lopdf does not provide any of this -- it is raw object access
println!("Page has {} objects", doc.objects.len());

lopdf ist das richtige Werkzeug, wenn Sie die PDF-Struktur direkt manipulieren müssen: Dokumente zusammenführen, Objekt-Streams umschreiben oder spezialisierte PDF-Prozessoren bauen.

printpdf: nur PDF-Erstellung

printpdf ist eine Bibliothek nur zur Erstellung. Sie kann bestehende PDFs weder lesen noch parsen. Sie bietet eine typisierte API, um PDF-Dokumente von Grund auf mit Text, Bildern und Vektorgrafiken zu erstellen.

use printpdf::*;

let (doc, page1, layer1) = PdfDocument::new(
    "Report", Mm(210.0), Mm(297.0), "Layer 1"
);

let current_layer = doc.get_page(page1).get_layer(layer1);

// Add text -- requires manual font loading
let font = doc.add_builtin_font(BuiltinFont::Helvetica)?;
current_layer.use_text("Hello World", 24.0, Mm(10.0), Mm(280.0), &font);

// Save
doc.save(&mut std::io::BufWriter::new(
    std::fs::File::create("output.pdf")?,
))?;

// Cannot read existing PDFs
// Cannot extract text, images, or form fields

printpdf ist das richtige Werkzeug, wenn Sie nur neue PDFs generieren müssen und eine saubere, fokussierte Erstellungs-API wünschen.

pdf-rs: Low-Level-PDF-Lesen

pdf-rs parst die PDF-Struktur in Rust-Typen, bietet aber nur minimale High-Level-Funktionalität. Sie erhalten typisierten Zugriff auf PDF-Objekte, müssen aber Textdecodierung, Font-Auflösung und das Parsen von Content-Streams weiterhin selbst übernehmen.

use pdf::file::FileOptions;

let file = FileOptions::cached().open("report.pdf")?;

// Access page objects
let page = file.get_page(0)?;
let media_box = page.media_box()?;
println!("Page size: {:?}", media_box);

// Content stream access -- low-level
if let Some(ref contents) = page.contents {
    // Returns raw operations -- you must interpret them
    // No built-in text assembly, font decoding, or layout analysis
}

// Cannot write or modify PDFs

pdf-rs ist das richtige Werkzeug, wenn Sie einen typsicheren PDF-Parser für Analyse, Validierung oder den Aufbau eines eigenen Renderers benötigen.

Funktionsvergleich nach Aufgabe

Textextraktion

Bibliothek Integriert Qualität Erforderlicher Aufwand
PDF Oxide Ja Produktionsreif (Unicode, CJK, Leserichtung) Ein Methodenaufruf
pdf_extract Ja Einfach (verfehlt komplexe Layouts) Ein Methodenaufruf
lopdf Nein – Hunderte Zeilen eigener Code
printpdf Nein – Nicht möglich (nur Schreiben)
pdf-rs Nein – Erheblicher eigener Code nötig

PDF Oxide übernimmt die CMap-/ToUnicode-Decodierung, Abstände auf Basis von Font-Metriken, die Leserichtung über den Strukturbaum und die Rekonstruktion von Ligaturen. Eine gleichwertige Funktionalität auf Basis von lopdf oder pdf-rs zu implementieren, erfordert Tausende Codezeilen und tiefes Wissen über die PDF-Spezifikation.

PDF-Erstellung

Bibliothek Ansatz Markdown-/HTML-Eingabe Tabellen Barcodes
PDF Oxide High-Level + Low-Level Ja Ja Ja
lopdf Roher Objektaufbau Nein Nein Nein
printpdf Typisierte Layer-API Nein Nein Nein
pdf-rs – (nur Lesen) – – –

Verschlüsselung

Bibliothek Verschlüsselt lesen Verschlüsselt schreiben Algorithmen
PDF Oxide Ja Ja RC4-40, RC4-128, AES-128, AES-256
lopdf Nein Nein –
printpdf Nein Nein –
pdf-rs Teilweise Nein Nur RC4

Konformität

Bibliothek PDF/A PDF/X PDF/UA
PDF Oxide Validieren + konvertieren Validieren Validieren
lopdf Nein Nein Nein
printpdf Teilweise (PDF/A-1b-Ausgabe) Nein Nein
pdf-rs Nein Nein Nein

Abhängigkeits-Footprint

Bibliothek Abhängigkeiten Kompilierzeit Binärgröße
PDF Oxide ~40 (Kern) ~30 s ~4 MB
lopdf ~15 ~10 s ~1 MB
printpdf ~20 ~15 s ~2 MB
pdf-rs ~25 ~20 s ~2 MB

PDF Oxide hat mehr Abhängigkeiten, weil es Font-Parsing, Bilddecodierung, Interpretation von Content-Streams und Verschlüsselung enthält – Funktionen, die die anderen Bibliotheken dem Nutzer überlassen oder ganz weglassen. Mit allen optionalen Features (rendering, barcodes, office) steigt die Zahl auf ~100.

Bibliotheken kombinieren

Da alle permissiv lizenziert sind, können Sie sie in einem einzigen Projekt kombinieren:

[dependencies]
pdf_oxide = "0.3"
lopdf = "0.32"        # Optional: raw object access for edge cases

Gängige Muster:

  • PDF Oxide + lopdf: Nutzen Sie PDF Oxide für Extraktion und Erstellung und greifen Sie für Grenzfälle, die rohe Objektmanipulation erfordern, auf lopdf zurück.
  • PDF Oxide + printpdf: Nutzen Sie PDF Oxide zum Lesen und printpdf für spezialisierte Erstellungs-Workflows.

Anwendungsfall-Matrix

„Ich muss Text aus PDFs extrahieren“

Crate Geeignet? Anmerkungen
PDF Oxide Ja Beste Extraktionsqualität, 100 % Erfolgsquote, Leserichtung, Font-Metadaten
pdf_extract Teilweise Einfache Extraktion, 91,5 % Erfolgsquote
lopdf Nein Keine Textextraktion
printpdf Nein Kann keine PDFs lesen
pdf-rs Teilweise Einfaches Parsing, keine High-Level-Textextraktion

„Ich muss PDFs erstellen“

Crate Geeignet? Anmerkungen
PDF Oxide Ja High-Level- (Markdown/HTML) und Low-Level-APIs
lopdf Teilweise Low-Level-Objektaufbau
printpdf Ja Saubere Erstellungs-API, kein Lesen
pdf-rs Nein Nur Lesen

„Ich muss bestehende PDFs bearbeiten“

Crate Geeignet? Anmerkungen
PDF Oxide Ja DOM-ähnliche Bearbeitung, Annotationen, Formulare
lopdf Teilweise Low-Level-Objektmanipulation
printpdf Nein Kann keine PDFs lesen
pdf-rs Nein Nur Lesen

„Ich brauche den vollen Lebenszyklus (Extrahieren + Erstellen + Bearbeiten)“

Crate Geeignet? Anmerkungen
PDF Oxide Ja Einzige Crate, die alle drei abdeckt
lopdf + printpdf Teilweise Zwei Crates, keine Textextraktion
pdf-rs + printpdf Teilweise Zwei Crates, keine Bearbeitung

Wann welche verwenden

Wählen Sie PDF Oxide, wenn Sie mehr als eine PDF-Fähigkeit benötigen (Extraktion + Erstellung oder Extraktion + Bearbeitung) und eine einzige, gut getestete Abhängigkeit mit 100 % Zuverlässigkeit wünschen.

Wählen Sie lopdf, wenn Sie Low-Level-Manipulation der PDF-Struktur benötigen und es Ihnen recht ist, direkt mit der PDF-Spezifikation zu arbeiten. Gut für Zusammenführen, Aufteilen und Batch-Verarbeitung von PDFs.

Wählen Sie printpdf, wenn Sie nur PDFs erstellen und sie nie lesen müssen. Die sauberste API für die Erzeugung von Berichten und Dokumenten.

Wählen Sie pdf-rs, wenn Sie einen spezifikationskonformen Parser für die PDF-Analyse benötigen oder Ihre eigene Rendering-Pipeline bauen.

Wählen Sie pdf_extract, wenn Sie einfache Textextraktion benötigen und keine hohe Zuverlässigkeit oder Unterstützung für komplexe Layouts erfordern.

Verwandte Seiten