Skip to content
PDF Oxide

PDF Oxide と lopdf の比較

lopdf は PDF オブジェクトを直接操作するための低レベルな Rust クレートです。一方 PDF Oxide は、テキスト抽出・作成・編集を組み込みで備えた高レベルなライブラリです。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 が提供するのは生の PDF オブジェクト — 辞書、ストリーム、相互参照テーブルです。テキスト抽出もフォントのデコードも画像のエクスポートもありません。PDF Oxide は目的に特化した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 テストコーパスのうち 20% のパースに失敗します。パースできた PDF のうち 57% は、lopdf にテキスト抽出機能がないため空の出力になります — 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% を合格します。

パース可能な PDF での速度。 生のオブジェクトパースでは lopdf のほうが高速です: 平均 0.3ms 対 PDF Oxide の 0.8ms。しかし lopdf はテキスト抽出を一切行いません — フォントのデコード、CMap の解決、字間解析、読み取り順序の判定を自前で構築する必要があります。

クイック比較

PDF Oxide lopdf
API レベル 高レベル 低レベル
テキスト抽出 組み込み（プロダクション品質） なし
合格率（3,830 PDF） 100% 80.2%
平均パース時間 0.8ms 0.3ms
画像抽出 組み込み 手動（生ストリーム）
フォームフィールド 読み取り + 書き込み 手動（生辞書）
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 読み取り + 書き込み なし
レンダリング あり なし
PDF/A 検証 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、テキスト抽出にはそれらのオブジェクトを PDF 仕様に従って解釈する処理が必要です。自前で構築しなければならないのは以下のとおりです:

  1. コンテンツストリームのパース — PostScript に似た演算子（Tj、TJ、Tm、Tf など）を解析する
  2. フォントの解決 — /Font リソースを参照し、間接参照を解決する
  3. CMap/ToUnicode のデコード — グリフ ID を Unicode 文字に変換する
  4. フォントメトリクスによる字間 — フォントディスクリプタから文字幅を計算する
  5. テキストマトリクス変換 — Tm、Td、T* 演算子を適用してテキストを配置する
  6. 読み取り順序 — 多段組レイアウトの正しい順序を判定する
  7. 合字の再構築 — fi、fl、ffi の合字を処理する
  8. CJK エンコーディング — 中国語・日本語・韓国語のテキストエンコーディングをデコードする

これは数千行のコードと ISO 32000 に関する深い知識を要します。PDF Oxide はそのすべてを内部で処理します。

コードの並列比較

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 does not provide text extraction.
// You get access to PDF objects only:
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()?)?;

// To get actual text, you must:
// 1. Parse content stream operators
// 2. Resolve font references from /Resources
// 3. Decode CMap/ToUnicode mappings
// 4. Apply text matrix transformations
// 5. Handle encoding differences
// ... (hundreds to thousands of lines of code)

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");

// Create font dictionary
let font_id = doc.add_object(dictionary! {
    "Type" => "Font",
    "Subtype" => "Type1",
    "BaseFont" => "Helvetica",
});

// Create resources
let resources_id = doc.add_object(dictionary! {
    "Font" => dictionary! { "F1" => font_id },
});

// Create content stream (raw PostScript operators)
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);

// Create page
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,
});

// Wire up page tree
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 does not support encrypted PDFs.
// Loading an encrypted PDF will fail or produce undecrypted streams.

信頼性の比較

指標 PDF Oxide lopdf
パースに成功した PDF 3,823 / 3,823（100%） 3,071 / 3,823（80.2%）
テキスト出力が得られた PDF 3,823 / 3,823 約 1,320 / 3,823（推定）
暗号化 PDF のサポート あり なし
不正な形式の PDF からの回復 あり なし

lopdf の 80.2% という合格率は、およそ 5 件に 1 件の PDF で失敗することを意味します。失敗は暗号化された文書、非標準の xref テーブルを持つ PDF、相互参照ストリームを使用する文書で発生します。PDF Oxide は寛容なパースとフォールバック戦略により、これらすべてを処理します。

それぞれの使いどころ

次の場合は PDF Oxide を選ぶ:

  • テキスト抽出、画像抽出、その他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済ませたい
  • すべての PDF を確実に処理する必要がある（暗号化、不正な形式、複雑なもの）
  • Markdown/HTML 出力、レンダリング、OCR が必要
  • 準拠性検証（PDF/A、PDF/X、PDF/UA）が必要

次の場合は lopdf を選ぶ:

  • カスタム処理のために PDF オブジェクトへ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文書をマージする必要がある
  • 扱う PDF が単純で整形式である（暗号化なし、標準の xref テーブル）

両方を組み合わせる:

高レベルな操作には PDF Oxide を、生のオブジェクトアクセスを要するエッジケースには lopdf を使います:

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

関連ページ