Skip to content
PDF Oxide

Mejor crate PDF para Rust en 2026

PDF Oxide frente a los crates PDF más usados en Rust: lopdf, printpdf, pdf-rs y pdf_extract. Cada uno cubre un nivel de abstracción distinto y un conjunto distinto de casos de uso — esta página te ayuda a elegir el correcto para tu proyecto.

Resumen

PDF Oxide lopdf printpdf pdf-rs pdf_extract
Nivel de API Alto nivel Bajo nivel Nivel medio (creación) Bajo nivel (lectura) Nivel medio (lectura)
Leer PDFs Sí Sí No Sí Sí
Escribir PDFs Sí Sí Sí No No
Extracción de texto Sí (alto nivel) Manual No Manual Sí (básico)
Extracción de imágenes Sí (alto nivel) Manual No Manual No
Campos de formulario Lectura + Escritura Manual No Solo lectura No
Creación de PDF Sí Sí Sí No No
Entrada Markdown/HTML Sí No No No No
Edición de PDFs existentes Sí Sí (bajo nivel) No No No
Anotaciones Lectura + Escritura Manual No Solo lectura No
Cifrado Lectura + Escritura No No No No
Validación PDF/A Sí No No No No
Renderizado Sí (tiny-skia) No No Parcial No
Bindings de Python Sí No No No No
Licencia MIT MIT MIT MIT Apache-2.0

Todas las bibliotecas tienen licencias permisivas. Las diferencias están en el alcance y el nivel de abstracción.

Comparación de rendimiento

Benchmark del corpus completo (3,830 PDFs)

Probado en el corpus completo de 3,830 PDFs — tres suites de prueba independientes y públicamente disponibles que cubren conformidad con la especificación PDF (veraPDF, 2,907 archivos), casos extremos de renderizado en navegadores del mundo real (Mozilla pdf.js, 897 archivos) y pruebas de estrés de seguridad/robustez incluyendo estructuras malformadas y corrupción generada por fuzzing (DARPA SafeDocs, 26 archivos). Ver detalles completos del corpus.

Biblioteca Promedio p99 Tasa de éxito Extracción de texto Notas
PDF Oxide 0.8ms 9ms 100% Integrada, nivel de producción Unicode, CJK, orden de lectura
oxidize_pdf 13.5ms 11ms 99.1% Básica Outlier máximo de 48s
unpdf 2.8ms 10ms 95.1% Básica 185 fallos en el corpus completo
pdf_extract 4.08ms 37ms 91.5% Básica Falla en layouts complejos
lopdf 0.3ms 2ms 80.2% Sin extracción integrada Falla en 20% de los PDFs

lopdf es más rápido en los PDFs que puede parsear — pero falla en el 20% del corpus y no proporciona extracción de texto. Necesitarías construir la decodificación de fuentes, resolución de CMap y análisis de espaciado por tu cuenta.

pdf_extract proporciona extracción de texto básica pero tiene una tasa de éxito del 91.5% y tiene dificultades con layouts complejos, texto CJK y PDFs etiquetados. oxidize_pdf tiene una confiabilidad decente (99.1%) pero es 17× más lento que pdf_oxide en el tiempo promedio de extracción, con un outlier de peor caso de 48 segundos. unpdf procesa el corpus completo pero falla en 185 PDFs.

PDF Oxide es el único crate de Rust que combina 100% de confiabilidad con extracción de texto a nivel de producción.

Comparación del diseño de API

PDF Oxide: Alto nivel, orientado a tareas

PDF Oxide proporciona métodos diseñados específicamente para tareas comunes. Trabajas con texto, imágenes y campos de formulario — no con objetos PDF y diccionarios.

use pdf_oxide::PdfDocument;

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

// Extracción de texto -- una llamada
let text = doc.extract_text(0)?;
println!("{}", text);

// Spans con estilo y metadatos de fuente
let spans = doc.extract_spans(0)?;
for span in &spans {
    println!("'{}' font={} size={:.1}pt", span.text, span.font_name, span.font_size);
}

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

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

La creación de PDFs es igualmente sencilla:

use pdf_oxide::api::Pdf;

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

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

lopdf: Manipulación de objetos de bajo nivel

lopdf te da acceso directo a objetos PDF, streams y la tabla de referencias cruzadas. Debes entender la especificación PDF para usarlo efectivamente. No hay extracción de texto integrada — navegas diccionarios y decodificas streams tú mismo.

use lopdf::Document;

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

// Obtener diccionario de página
let page_id = doc.page_iter().next().unwrap();
let page = doc.get_dictionary(page_id)?;

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

// Para extraer texto debes:
// 1. Parsear los operadores del content stream
// 2. Resolver referencias de fuentes desde /Resources
// 3. Decodificar mapeos CMap/ToUnicode
// 4. Aplicar transformaciones de matriz de texto
// 5. Manejar diferencias de codificación
//
// lopdf no proporciona nada de esto -- es acceso a objetos puros
println!("Page has {} objects", doc.objects.len());

lopdf es la herramienta correcta cuando necesitas manipular la estructura PDF directamente: fusionar documentos, reescribir streams de objetos o construir procesadores PDF especializados.

printpdf: Solo creación de PDF

printpdf es una biblioteca exclusivamente para creación. No puede leer ni parsear PDFs existentes. Proporciona una API tipada para construir documentos PDF desde cero con texto, imágenes y gráficos vectoriales.

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);

// Agregar texto -- requiere carga manual de fuentes
let font = doc.add_builtin_font(BuiltinFont::Helvetica)?;
current_layer.use_text("Hello World", 24.0, Mm(10.0), Mm(280.0), &font);

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

// No puede leer PDFs existentes
// No puede extraer texto, imágenes o campos de formulario

printpdf es la herramienta correcta cuando solo necesitas generar nuevos PDFs y quieres una API de creación limpia y enfocada.

pdf-rs: Lectura de PDF de bajo nivel

pdf-rs parsea la estructura PDF en tipos de Rust pero proporciona funcionalidad de alto nivel mínima. Obtienes acceso tipado a objetos PDF pero aún debes manejar la decodificación de texto, resolución de fuentes y parseo del content stream.

use pdf::file::FileOptions;

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

// Acceder a objetos de página
let page = file.get_page(0)?;
let media_box = page.media_box()?;
println!("Page size: {:?}", media_box);

// Acceso a content stream -- bajo nivel
if let Some(ref contents) = page.contents {
    // Retorna operaciones crudas -- debes interpretarlas
    // Sin ensamblaje de texto integrado, decodificación de fuentes o análisis de layout
}

// No puede escribir ni modificar PDFs

pdf-rs es la herramienta correcta cuando necesitas un parser PDF tipado para análisis, validación o construir tu propio pipeline de renderizado.

Comparación de funciones por tarea

Extracción de texto

Biblioteca Integrada Calidad Esfuerzo requerido
PDF Oxide Sí Nivel de producción (Unicode, CJK, orden de lectura) Una llamada a método
pdf_extract Sí Básica (falla en layouts complejos) Una llamada a método
lopdf No N/A Cientos de líneas de código personalizado
printpdf No N/A No es posible (solo escritura)
pdf-rs No N/A Código personalizado significativo requerido

PDF Oxide maneja decodificación CMap/ToUnicode, espaciado basado en métricas de fuente, orden de lectura del árbol de estructura y reconstrucción de ligaduras. Implementar funcionalidad equivalente sobre lopdf o pdf-rs requiere miles de líneas de código y conocimiento profundo de la especificación PDF.

Creación de PDF

Biblioteca Enfoque Entrada Markdown/HTML Tablas Códigos de barras
PDF Oxide Alto nivel + bajo nivel Sí Sí Sí
lopdf Construcción cruda de objetos No No No
printpdf API de capas tipada No No No
pdf-rs N/A (solo lectura) N/A N/A N/A

Cifrado

Biblioteca Leer cifrado Escribir cifrado Algoritmos
PDF Oxide Sí Sí RC4-40, RC4-128, AES-128, AES-256
lopdf No No –
printpdf No No –
pdf-rs Parcial No Solo RC4

Conformidad

Biblioteca PDF/A PDF/X PDF/UA
PDF Oxide Validar + Convertir Validar Validar
lopdf No No No
printpdf Parcial (salida PDF/A-1b) No No
pdf-rs No No No

Huella de dependencias

Biblioteca Dependencias Tiempo de compilación Tamaño del binario
PDF Oxide ~40 (núcleo) ~30s ~4 MB
lopdf ~15 ~10s ~1 MB
printpdf ~20 ~15s ~2 MB
pdf-rs ~25 ~20s ~2 MB

PDF Oxide tiene más dependencias porque incluye parseo de fuentes, decodificación de imágenes, interpretación de content streams y cifrado — funciones que las otras bibliotecas dejan al usuario u omiten por completo. Con todas las funciones opcionales (rendering, barcodes, office), la cuenta sube a ~100.

Combinando bibliotecas

Dado que todas tienen licencias permisivas, puedes combinarlas en un solo proyecto:

[dependencies]
pdf_oxide = "0.3"
lopdf = "0.32"        # Opcional: acceso a objetos crudos para casos extremos

Patrones comunes:

  • PDF Oxide + lopdf: Usa PDF Oxide para extracción y creación, recurre a lopdf para casos extremos que requieren manipulación cruda de objetos.
  • PDF Oxide + printpdf: Usa PDF Oxide para lectura y printpdf para flujos de trabajo de creación especializados.

Matriz de casos de uso

“Necesito extraer texto de PDFs”

Crate ¿Adecuado? Notas
PDF Oxide Sí Mejor calidad de extracción, 100% tasa de éxito, orden de lectura, metadatos de fuente
pdf_extract Parcial Extracción básica, 91.5% tasa de éxito
lopdf No Sin extracción de texto
printpdf No No puede leer PDFs
pdf-rs Parcial Parseo básico, sin extracción de texto de alto nivel

“Necesito crear PDFs”

Crate ¿Adecuado? Notas
PDF Oxide Sí APIs de alto nivel (Markdown/HTML) y bajo nivel
lopdf Parcial Construcción de objetos de bajo nivel
printpdf Sí API de creación limpia, sin lectura
pdf-rs No Solo lectura

“Necesito editar PDFs existentes”

Crate ¿Adecuado? Notas
PDF Oxide Sí Edición tipo DOM, anotaciones, formularios
lopdf Parcial Manipulación de objetos de bajo nivel
printpdf No No puede leer PDFs
pdf-rs No Solo lectura

“Necesito el ciclo de vida completo (extraer + crear + editar)”

Crate ¿Adecuado? Notas
PDF Oxide Sí Único crate que cubre los tres
lopdf + printpdf Parcial Dos crates, sin extracción de texto
pdf-rs + printpdf Parcial Dos crates, sin edición

Cuándo usar cada uno

Elige PDF Oxide si necesitas más de una capacidad PDF (extracción + creación, o extracción + edición) y quieres una única dependencia bien probada con 100% de confiabilidad.

Elige lopdf si necesitas manipulación de estructura PDF de bajo nivel y te sientes cómodo trabajando directamente con la especificación PDF. Bueno para fusionar, dividir y procesamiento por lotes de PDFs.

Elige printpdf si solo creas PDFs y nunca necesitas leerlos. La API más limpia para generación de informes y documentos.

Elige pdf-rs si necesitas un parser conforme a la especificación para análisis PDF o estás construyendo tu propio pipeline de renderizado.

Elige pdf_extract si necesitas extracción de texto básica y no requieres alta confiabilidad o soporte de layouts complejos.

Páginas relacionadas