Skip to content
PDF Oxide

PDF Oxide vs lopdf

lopdf は PDF オブジェクトを直接操作するための低レベル Rust crate で、テキスト抽出やレンダリングは内蔵していません。PDF Oxide は抽出・作成・編集をそのまま提供する高レベル ライブラリです。両者は根本的に異なるユースケースを対象としています。

主な違い

抽象化レベル。 lopdf は生の PDF オブジェクト — ディクショナリ、ストリーム、クロスリファレンステーブルを提供します。テキスト抽出もフォントデコードも画像エクスポートもありません。PDF Oxide は用途別のメソッドを提供します: extract_text()、extract_images()、to_markdown()。

信頼性。 lopdf は 3,830 件の PDF テストコーパスの 20% でパースに失敗します。パースできた PDF のうち 57% は空の出力になります。これは lopdf にテキスト抽出機能がないためで、オブジェクトは取得できてもテキストは得られません。PDF Oxide は 100% をパスします。

パース可能な PDF での速度。 lopdf は生のオブジェクトパースでは高速です: 平均 0.3ms vs PDF Oxide の 0.8ms。しかし lopdf はテキスト抽出処理を一切行わないため、フォントデコード、CMap 解決、スペーシング分析、読み取り順序を自分で構築する必要があります。

比較概要

PDF Oxide lopdf
API レベル 高レベル 低レベル
テキスト抽出 内蔵（プロダクショングレード） なし
パス率（3,830 PDF） 100% 80.2%
平均パース時間 0.8ms 0.3ms
画像抽出 内蔵 手動（生ストリーム）
フォームフィールド 読み書き 手動（生ディクショナリ）
PDF 作成 あり（Markdown/HTML） あり（生オブジェクト）
Markdown/HTML 出力 あり なし
暗号化 読み書き なし
レンダリング あり なし
PDF/A バリデーション あり なし
ライセンス MIT MIT

lopdf にできないこと

lopdf は PDF オブジェクトへのアクセスを提供しますが、テキスト抽出には PDF 仕様に従ったオブジェクトの解釈が必要です。自分で構築する必要があるものは以下のとおりです:

  1. コンテントストリームのパース — PostScript 風の演算子（Tj, TJ, Tm, Tf など）をパース
  2. フォント解決 — /Font リソースの参照、間接参照の解決
  3. CMap/ToUnicode デコード — グリフ ID から Unicode 文字への変換
  4. フォントメトリクスのスペーシング — フォントディスクリプタからの文字幅計算
  5. テキスト行列変換 — Tm, Td, T* 演算子の適用によるテキスト位置決め
  6. 読み取り順序 — 複数カラムレイアウトの正しい順序の決定
  7. リガチャの再構成 — fi, fl, ffi リガチャの処理
  8. CJK エンコーディング — 中国語、日本語、韓国語テキストエンコーディングのデコード

これは数千行のコードと ISO 32000 の深い知識が必要です。PDF Oxide はこれらすべてを内部的に処理します。

コード比較

テキスト抽出

PDF Oxide:

use pdf_oxide::PdfDocument;

let mut doc = PdfDocument::open("report.pdf")?;
let text = doc.extract_text(0)?;
println!("{}", text);

lopdf:

use lopdf::Document;

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

// lopdf にはテキスト抽出機能がありません。
// PDF オブジェクトへのアクセスのみ:
let page_id = doc.page_iter().next().unwrap();
let page = doc.get_dictionary(page_id)?;
let contents = page.get("Contents")?;
let stream = doc.get_object(contents.as_reference()?)?;

// 実際のテキストを得るには:
// 1. コンテントストリーム演算子のパース
// 2. /Resources からのフォント参照の解決
// 3. CMap/ToUnicode マッピングのデコード
// 4. テキスト行列変換の適用
// 5. エンコーディングの違いへの対処
// ...（数百〜数千行のコード）

PDF 作成

PDF Oxide:

use pdf_oxide::api::Pdf;

let pdf = Pdf::from_markdown("# Report\n\n| Q1 | Q2 |\n|---|---|\n| $1M | $2M |")?;
pdf.save("report.pdf")?;

lopdf:

use lopdf::{Document, Object, Stream, dictionary};

let mut doc = Document::with_version("1.5");

// フォントディクショナリの作成
let font_id = doc.add_object(dictionary! {
    "Type" => "Font",
    "Subtype" => "Type1",
    "BaseFont" => "Helvetica",
});

// リソースの作成
let resources_id = doc.add_object(dictionary! {
    "Font" => dictionary! { "F1" => font_id },
});

// コンテントストリームの作成（生の PostScript 演算子）
let content = Stream::new(
    dictionary! {},
    b"BT /F1 12 Tf 72 720 Td (Hello World) Tj ET".to_vec(),
);
let content_id = doc.add_object(content);

// ページの作成
let page_id = doc.add_object(dictionary! {
    "Type" => "Page",
    "MediaBox" => vec![0.into(), 0.into(), 612.into(), 792.into()],
    "Contents" => content_id,
    "Resources" => resources_id,
});

// ページツリーの接続
let pages_id = doc.add_object(dictionary! {
    "Type" => "Pages",
    "Kids" => vec![page_id.into()],
    "Count" => 1,
});
doc.add_object(dictionary! {
    "Type" => "Catalog",
    "Pages" => pages_id,
});

doc.save("report.pdf")?;

暗号化された PDF

PDF Oxide:

use pdf_oxide::PdfDocument;

let doc = PdfDocument::open_with_password("encrypted.pdf", "secret")?;
let text = doc.extract_text(0)?;
println!("{}", text);

lopdf:

// lopdf は暗号化 PDF に対応していません。
// 暗号化 PDF を読み込むと、失敗するか復号されていないストリームが返されます。

信頼性の比較

指標 PDF Oxide lopdf
正常にパースされた PDF 3,823 / 3,823（100%） 3,071 / 3,823（80.2%）
テキスト出力のある PDF 3,823 / 3,823 ~1,320 / 3,823（推定）
暗号化 PDF サポート あり なし
不正 PDF のリカバリ あり なし

lopdf の 80.2% のパス率は、約 5 件に 1 件の PDF が失敗することを意味します。失敗は暗号化ドキュメント、非標準の xref テーブルを持つ PDF、クロスリファレンスストリームを使用するドキュメントで発生します。PDF Oxide は寛容なパースとフォールバック戦略ですべてを処理します。

使い分けガイド

PDF Oxide を選ぶべき場合：

  • テキスト抽出、画像抽出など、コンテンツレベルの操作が必要
  • 読み取り + 書き込み + 作成を単一のクレートで実現したい
  • すべての PDF を確実に処理する必要がある（暗号化、不正、複雑な PDF）
  • Markdown/HTML 出力、レンダリング、OCR が必要
  • 準拠バリデーション（PDF/A, PDF/X, PDF/UA）が必要

lopdf を選ぶべき場合：

  • カスタム処理のために PDF オブジェクトに直接アクセスする必要がある
  • オブジェクトレベルで動作する特殊な PDF ツールを構築している
  • オブジェクトツリーを直接操作してドキュメントを結合する必要がある
  • PDF がシンプルで整形式（暗号化なし、標準 xref テーブル）

両方を組み合わせて使用：

高レベル操作に PDF Oxide、生オブジェクトアクセスが必要なエッジケースに lopdf を使用できます:

[dependencies]
pdf_oxide = "0.3"
lopdf = "0.32"

関連ページ