2026 年おすすめ Python PDF ライブラリ比較

PDF Oxide を PyMuPDF (fitz)、pypdfium2、pypdf、pdfplumber、pdfminer などと比較します。このページでは、テキスト抽出に適した Python の PDF ライブラリを選べるよう、処理性能、機能のカバー範囲、ライセンス、API の違いを整理しました。

サマリー

	PDF Oxide	PyMuPDF	pypdfium2	pypdf	pdfplumber	pdfminer
平均抽出時間	0.8ms	4.6ms	4.1ms	12.1ms	23.2ms	16.8ms
成功率（3,830 PDF）	100%	99.3%	99.2%	98.4%	98.8%	98.8%
ライセンス	MIT	AGPL-3.0	Apache-2.0	BSD-3	MIT	MIT
実装言語	Rust + PyO3	C (MuPDF)	C (PDFium)	Pure Python	Pure Python	Pure Python
テキスト抽出	対応	対応	対応	対応	対応	対応
文字位置情報	対応	対応	対応	一部	対応	対応
画像抽出	対応	対応	対応	対応	非対応	非対応
フォームフィールド	読み書き	読み書き	読み取りのみ	読み書き	読み取りのみ	非対応
PDF 生成	対応	対応	非対応	限定的	非対応	非対応
PDF 編集	対応	対応	非対応	対応	非対応	非対応
Markdown 出力	対応	非対応	非対応	非対応	非対応	非対応
HTML 出力	対応	非対応	非対応	非対応	非対応	非対応
暗号化	読み書き	読み書き	読み取りのみ	読み書き	非対応	非対応
PDF/A 検証	対応	非対応	非対応	非対応	非対応	非対応
レンダリング	対応	対応	対応	非対応	非対応	非対応
検索	正規表現＋空間検索	対応	対応	非対応	非対応	非対応
Python バージョン	3.8–3.14	3.8–3.12	3.8+	3.6+	3.8+	3.6+
インストールサイズ	~5 MB wheel	~20 MB wheel	~3 MB wheel	~1 MB	~1 MB	~1 MB

性能比較

1 PDF あたりのテキスト抽出の平均時間を、3,830 PDF からなる全コーパスで計測しました。独立して公開されている 3 種類のテストスイートを組み合わせており、PDF 仕様の各バージョン（1.0–2.0）、暗号化ファイル、破損ドキュメント、CJK エンコーディング、複雑なレイアウト、セキュリティのエッジケースを網羅しています。各スイートで検証している内容と結果の再現性についてはコーパスの詳細をご覧ください。

ライブラリ	平均	相対比	p99	成功率
PDF Oxide	0.8ms	1×	9ms	100%
PyMuPDF	4.6ms	5.8×	28ms	99.3%
pypdfium2	4.1ms	5.1×	42ms	99.2%
pymupdf4llm	55.5ms	69×	280ms	99.1%
pdftext	7.3ms	9.1×	82ms	99.0%
pdfminer	16.8ms	21×	124ms	98.8%
pdfplumber	23.2ms	29×	189ms	98.8%
markitdown	108.8ms	136×	378ms	98.6%
pypdf	12.1ms	15.1×	97ms	98.4%

PDF Oxide の速さは、PyO3 を介して Python 拡張モジュールとしてコンパイルされたネイティブ Rust コアに由来します。サブプロセスのオーバーヘッドも、C ライブラリを橋渡しする処理もなく、Rust コードが Python プロセス内で直接実行されます。

信頼性

PDF Oxide は有効な 3,823 PDF すべてを失敗なく処理し、成功率 100% を達成しています。3,830 ファイルのコーパス内で処理できなかった 7 ファイルは、意図的に壊されたテスト用フィクスチャです（PDF ヘッダー欠落、ファジングで破壊されたカタログ、無効な xref ストリーム）。

ライブラリ	有効 PDF 成功数	成功率
PDF Oxide	3,823 / 3,823	100%
PyMuPDF	3,796 / 3,823	99.3%
pypdfium2	3,792 / 3,823	99.2%
pymupdf4llm	3,787 / 3,823	99.1%
pdftext	3,784 / 3,823	99.0%
pdfminer	3,777 / 3,823	98.8%
pdfplumber	3,777 / 3,823	98.8%
markitdown	3,771 / 3,823	98.6%
pypdf	3,762 / 3,823	98.4%

テキスト品質

PDF Oxide は全コーパスで PyMuPDF および pypdfium2 と比較して 99.5% のテキスト一致率を達成します。品質評価は抽出結果を文字単位で比較して測定しました。残りの 0.5% の差は空白の正規化とリガチャ処理に関するもので、PDF Oxide の出力のほうがより整ったものになります。

ライセンス比較

ライブラリ	ライセンス	商用利用	コピーレフト
PDF Oxide	MIT	制限なし	なし
pypdfium2	Apache-2.0	制限なし	なし
PyMuPDF	AGPL-3.0	商用ライセンス必須（有償）	あり
pypdf	BSD-3	制限なし	なし
pdfplumber	MIT	制限なし	なし
pdfminer	MIT	制限なし	なし
pdftext	GPL-3.0	オープンソース化が必要	あり

PyMuPDF は MuPDF を AGPL-3.0 ライセンスで利用しています。PyMuPDF を組み込んだソフトウェアを配布する場合、そのソフトウェアも AGPL-3.0 で公開するか、Artifex から商用ライセンスを購入する必要があります。これは SaaS 製品、Web アプリ、配布される任意のバイナリに適用されます。

PDF Oxide は MIT ライセンスで制約がありません。独自製品、SaaS プラットフォーム、クローズドソースのアプリケーションでライセンス上の義務なく利用できます。

用途	PDF Oxide (MIT)	PyMuPDF (AGPL)	pypdfium2 (Apache)	pypdf (BSD)	pdfplumber (MIT)	pdfminer (MIT)
商用製品	可	ライセンス必要	可	可	可	可
クローズドソース	可	不可（ライセンスなし）	可	可	可	可
SaaS／クラウド	可	ライセンス必要	可	可	可	可
社内ツール	可	可	可	可	可	可

API 比較

テキスト抽出

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("report.pdf")
text = doc.extract_text(0)
print(text)

PyMuPDF:

import fitz

doc = fitz.open("report.pdf")
page = doc[0]
text = page.get_text()
print(text)

pypdf:

from pypdf import PdfReader

reader = PdfReader("report.pdf")
page = reader.pages[0]
text = page.extract_text()
print(text)

pdfplumber:

import pdfplumber

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    text = page.extract_text()
    print(text)

pdfminer:

from pdfminer.high_level import extract_text

text = extract_text("report.pdf", page_numbers=[0])
print(text)

文字単位の抽出

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("report.pdf")
chars = doc.extract_chars(0)
for ch in chars:
    print(f"'{ch.char}' at ({ch.bbox[0]:.1f}, {ch.bbox[1]:.1f}) "
          f"size={ch.font_size:.1f}")

PyMuPDF:

import fitz

doc = fitz.open("report.pdf")
page = doc[0]
blocks = page.get_text("dict")["blocks"]
for block in blocks:
    if "lines" in block:
        for line in block["lines"]:
            for span in line["spans"]:
                print(f"'{span['text']}' size={span['size']:.1f}")

pdfplumber:

import pdfplumber

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    for char in page.chars:
        print(f"'{char['text']}' at ({char['x0']:.1f}, {char['top']:.1f}) "
              f"size={char['size']:.1f}")

pdfminer:

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTChar

for page_layout in extract_pages("report.pdf"):
    for element in page_layout:
        if hasattr(element, '__iter__'):
            for text_line in element:
                if hasattr(text_line, '__iter__'):
                    for char in text_line:
                        if isinstance(char, LTChar):
                            print(f"'{char.get_text()}' at ({char.x0:.1f}, {char.y0:.1f}) "
                                  f"size={char.size:.1f}")

画像抽出

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("report.pdf")
images = doc.extract_image_bytes(0)
for i, img in enumerate(images):
    with open(f"image_{i}.{img['format']}", "wb") as f:
        f.write(img["data"])

PyMuPDF:

import fitz

doc = fitz.open("report.pdf")
page = doc[0]
for i, img in enumerate(page.get_images()):
    xref = img[0]
    base_image = doc.extract_image(xref)
    with open(f"image_{i}.{base_image['ext']}", "wb") as f:
        f.write(base_image["image"])

pypdf:

from pypdf import PdfReader

reader = PdfReader("report.pdf")
page = reader.pages[0]
for i, image in enumerate(page.images):
    with open(f"image_{i}.{image.name.split('.')[-1]}", "wb") as f:
        f.write(image.data)

PDF の生成

PDF Oxide:

from pdf_oxide import Pdf

pdf = Pdf.from_markdown("# Hello World\n\nThis is a PDF.")
pdf.save("output.pdf")

# HTML にも対応
pdf = Pdf.from_html("<h1>Hello</h1><p>World</p>")
pdf.save("output.pdf")

PyMuPDF:

import fitz

doc = fitz.open()
page = doc.new_page()
text_point = fitz.Point(72, 72)
page.insert_text(text_point, "Hello World", fontsize=24)
doc.save("output.pdf")

pypdf:

# pypdf は PDF の結合・編集はできますが、テキストを含む PDF をゼロから生成することはできません。
# 生成は reportlab か fpdf2 で行い、結合に pypdf を使用してください。

暗号化 PDF

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("encrypted.pdf", password="password")
text = doc.extract_text(0)

PyMuPDF:

import fitz

doc = fitz.open("encrypted.pdf")
doc.authenticate("password")
page = doc[0]
text = page.get_text()

pypdf:

from pypdf import PdfReader

reader = PdfReader("encrypted.pdf")
reader.decrypt("password")
text = reader.pages[0].extract_text()

Markdown・HTML 出力

PDF Oxide（独自機能）:

from pdf_oxide import PdfDocument

doc = PdfDocument("paper.pdf")

# 見出し検出付きで Markdown に変換
md = doc.to_markdown(0, detect_headings=True)
print(md)

# HTML に変換
html = doc.to_html(0)
print(html)

組み込みで Markdown または HTML 変換を備える Python PDF ライブラリは他にありません。

各ライブラリのプロフィール

PDF Oxide

強み:

• Rust コアにより、ベンチマークで最速のテキスト抽出（PyMuPDF より 5.8× 高速）
• 3,830 PDF コーパスで 100% 成功率。テスト対象ライブラリ中で最高の信頼性
• 抽出・生成・編集を単一ライブラリの統一 API で提供
• 見出し検出付きの Markdown・HTML エクスポートを内蔵
• MIT ライセンスでコピーレフト制約なし
• 規格準拠検証（PDF/A、PDF/UA、PDF/X）をネイティブで搭載
• 主要プラットフォームと Python 3.8–3.14 向けのビルド済み wheel を提供
• システム依存なし。wheel にすべて含まれます

制約:

• 歴史が浅く、コミュニティがまだ小さい
• 表抽出は pdfplumber のアルゴリズムほど高度ではない
• レンダリングエンジンの成熟度は MuPDF に及ばない

PyMuPDF (fitz)

強み:

• 実戦投入の実績が豊富（MuPDF ベースで 2005 年から開発が続く）
• 複雑な PDF に対して優れたレンダリング品質
• OCR 連携（Tesseract）を内蔵
• 機能が豊富：SVG 出力、ページ操作、表検出

制約:

• AGPL-3.0 ライセンスにより、アプリケーションのソース公開か商用ライセンス購入が必要
• MuPDF を同梱するため wheel サイズが大きい（~20 MB）
• Markdown エクスポートは非搭載
• 規格準拠検証は非搭載

pypdfium2

強み:

• 高速（Google の PDFium エンジンがベース）
• Apache-2.0 ライセンスで商用利用に寛容
• 良好なレンダリング品質

制約:

• PDF Oxide や PyMuPDF に比べテキスト抽出 API が限定的
• PDF の生成・編集は不可
• フォームフィールドは読み取り専用のみ対応

pypdf

強み:

• Pure Python でどこにでもインストール可能、コンパイル依存なし
• 軽量でメンテナンスも活発
• 結合、分割、回転、暗号化などの PDF 操作に適する
• コミュニティが大きく、ドキュメントが充実

制約:

• テキスト抽出は PDF Oxide の 15× 遅い
• 複雑なレイアウトではテキスト抽出の品質が低下する
• レンダリング、Markdown／HTML 出力、表抽出はいずれも非対応

pdfplumber

強み:

• Python PDF ライブラリで最高クラスの表抽出
• 文字単位の優れた位置情報
• 可視化デバッグツール（注釈付きのページ画像）
• MIT ライセンス

制約:

• Pure Python のため PDF Oxide の 29× 遅い
• 読み取り専用。PDF の生成や編集は不可
• 暗号化・レンダリングとも非対応

pdfminer

強み:

• 文字・レイアウトの詳細な解析が可能
• CJK テキストのサポートが良好
• pdfplumber など他ツールの基盤
• MIT ライセンス

制約:

• PDF Oxide の 21× 遅い（Pure Python、非最適化）
• 読み取り専用。生成や編集は不可
• 定番処理に対して API が冗長
• メンテナンスは控えめ

どのライブラリを使うべきか

用途	推奨ライブラリ
高速なテキスト抽出	PDF Oxide
商用・独自製品	PDF Oxide、pypdfium2、pypdf、pdfplumber、pdfminer
PyMuPDF の代替（MIT ライセンス）	PDF Oxide
Markdown／HTML から PDF 生成	PDF Oxide
規格準拠検証（PDF/A、PDF/X）	PDF Oxide
請求書などからの表抽出	pdfplumber
抽出結果の可視化デバッグ	pdfplumber
既存の MuPDF 資産を活かす	PyMuPDF（AGPL と両立する場合）
依存関係を最小限に	pypdf（Pure Python）
詳細なレイアウト解析	pdfminer
スキャン文書の OCR	PyMuPDF

インストール

# PDF Oxide
pip install pdf_oxide

# PyMuPDF
pip install pymupdf

# pypdfium2
pip install pypdfium2

# pypdf
pip install pypdf

# pdfplumber
pip install pdfplumber

# pdfminer
pip install pdfminer.six

PDF Oxide は Linux（x86_64、aarch64）、macOS（x86_64、arm64）、Windows（x86_64）向けにビルド済み wheel を提供します。コンパイラやシステムライブラリは不要です。

関連ページ

• 性能ベンチマーク – 全コーパスでの詳細結果
• Python で始める – インストールと初回抽出
• Python API リファレンス – Python API 全体
• vs Rust PDF ライブラリ – Rust エコシステムでの比較