Skip to content
PDF Oxide

Procesamiento asíncrono de PDF

PDF Oxide ofrece APIs asíncronas de primera clase en Python, C# y Node.js, de modo que la extracción nunca bloquea tu event loop ni tu manejador de peticiones HTTP. Los mismos métodos de PdfDocument se exponen como wrappers asíncronos que se despachan a un hilo en segundo plano o a un thread pool.

Python — AsyncPdfDocument

Cada método de PdfDocument tiene su contraparte awaitable en AsyncPdfDocument. Cada llamada envuelve el método síncrono con asyncio.to_thread().

Python

import asyncio
from pdf_oxide import AsyncPdfDocument

async def extract(path):
    doc = await AsyncPdfDocument.open(path)
    text = await doc.extract_text(0)
    return text

asyncio.run(extract("report.pdf"))

Distribución (fan-out) entre páginas

Python

import asyncio
from pdf_oxide import AsyncPdfDocument

async def extract_all(path):
    doc = await AsyncPdfDocument.open(path)
    page_count = await doc.page_count()
    pages = await asyncio.gather(*[doc.extract_text(i) for i in range(page_count)])
    return pages

Creación

AsyncPdf replica la clase Pdf para los flujos de creación:

Python

from pdf_oxide import AsyncPdf

pdf = await AsyncPdf.from_markdown("# Hello")
await pdf.save_async("out.pdf")

Conversión de Office

AsyncOfficeConverter gestiona la conversión asíncrona DOCX / XLSX / PPTX → PDF.

Python

from pdf_oxide import AsyncOfficeConverter

converter = AsyncOfficeConverter()
pdf_bytes = await converter.docx_to_pdf_bytes("input.docx")

Python free-threaded (cp314t)

El módulo de extensión pdf_oxide declara gil_used = false, lo que lo hace seguro para usar bajo cp314t (builds free-threaded de Python 3.14). Varios hilos pueden llamar a los métodos de PdfDocument en paralelo sin la serialización del GIL.

Python

from concurrent.futures import ThreadPoolExecutor
from pdf_oxide import PdfDocument

doc = PdfDocument("large.pdf")

with ThreadPoolExecutor(max_workers=8) as pool:
    pages = list(pool.map(doc.extract_text, range(doc.page_count())))

C# — async Task<T> con CancellationToken

Cada método de extracción y guardado tiene una variante *Async que devuelve Task<T> y acepta un CancellationToken opcional.

C#

using PdfOxide.Core;

using var doc = PdfDocument.Open("report.pdf");

string text = await doc.ExtractTextAsync(0);

using var cts = new CancellationTokenSource(TimeSpan.FromSeconds(30));
var tasks = Enumerable.Range(0, doc.PageCount)
    .Select(i => doc.ExtractTextAsync(i, cts.Token));
string[] pages = await Task.WhenAll(tasks);

Editor

C#

using var editor = DocumentEditor.Open("form.pdf");
editor.SetFormFieldValue("name", "Jane Doe");
await editor.SaveAsync("filled.pdf");

Node.js — métodos *Async

Cada método síncrono tiene su hermano asíncrono — extractText → extractTextAsync, save → saveAsync, etc. Las llamadas asíncronas se ejecutan en el thread pool de libuv.

Node.js

const { PdfDocument } = require("pdf-oxide");

async function extractAll(path) {
  const doc = new PdfDocument(path);
  try {
    const pageCount = doc.getPageCount();
    const pages = await Promise.all(
      Array.from({ length: pageCount }, (_, i) => doc.extractTextAsync(i))
    );
    return pages;
  } finally {
    doc.close();
  }
}

Ejemplo de manejador HTTP

Node.js

import express from "express";
import { PdfDocument } from "pdf-oxide";

const app = express();

app.post("/extract", express.raw({ type: "application/pdf", limit: "50mb" }), async (req, res) => {
  const doc = PdfDocument.openFromBytes(req.body);
  try {
    const text = await doc.extractTextAsync(0);
    res.json({ text });
  } finally {
    doc.close();
  }
});

Modelo de concurrencia

Lenguaje Mecanismo
Python asyncio.to_thread despacha la llamada síncrona al executor por defecto
Python (cp314t) Paralelismo real entre hilos — el GIL es opcional
C# Task-based Asynchronous Pattern, despachado al ThreadPool
Node.js hilos de trabajo de libuv (Napi::AsyncWorker)
Go No es necesario — las goroutines llaman directamente a los métodos síncronos
Rust No se proporciona — usa tokio::task::spawn_blocking o el executor que prefieras

Consulta la guía de concurrencia para compartir un único PdfDocument entre hilos.

Relacionado