Skip to content
PDF Oxide

Python PDF 라이브러리와의 비교

PDF Oxide를 PyMuPDF(fitz), pypdfium2, pypdf, pdfplumber, pdfminer 등과 비교합니다. 이 페이지에서는 텍스트 추출에 적합한 Python PDF 라이브러리를 고를 수 있도록 성능, 기능 범위, 라이선스, API 차이를 다룹니다.

요약

PDF Oxide PyMuPDF pypdfium2 pypdf pdfplumber pdfminer
평균 추출 시간 0.8ms 4.6ms 4.1ms 12.1ms 23.2ms 16.8ms
통과율 (3,830개 PDF) 100% 99.3% 99.2% 98.4% 98.8% 98.8%
라이선스 MIT AGPL-3.0 Apache-2.0 BSD-3 MIT MIT
언어 Rust + PyO3 C (MuPDF) C (PDFium) Pure Python Pure Python Pure Python
텍스트 추출 지원 지원 지원 지원 지원 지원
문자 위치 지원 지원 지원 부분 지원 지원 지원
이미지 추출 지원 지원 지원 지원 미지원 미지원
양식 필드 읽기 + 쓰기 읽기 + 쓰기 읽기 전용 읽기 + 쓰기 읽기 전용 미지원
PDF 생성 지원 지원 미지원 제한적 미지원 미지원
PDF 편집 지원 지원 미지원 지원 미지원 미지원
Markdown 출력 지원 미지원 미지원 미지원 미지원 미지원
HTML 출력 지원 미지원 미지원 미지원 미지원 미지원
암호화 읽기 + 쓰기 읽기 + 쓰기 읽기 전용 읽기 + 쓰기 미지원 미지원
PDF/A 검증 지원 미지원 미지원 미지원 미지원 미지원
렌더링 지원 지원 지원 미지원 미지원 미지원
검색 정규식 + 공간 검색 지원 지원 미지원 미지원 미지원
Python 버전 3.8–3.14 3.8–3.12 3.8+ 3.6+ 3.8+ 3.6+
설치 크기 약 5 MB wheel 약 20 MB wheel 약 3 MB wheel 약 1 MB 약 1 MB 약 1 MB

성능 비교

PDF 한 개당 평균 텍스트 추출 시간을 3,830개 PDF로 구성된 전체 코퍼스에서 벤치마크했습니다. 이는 공개적으로 이용 가능한 세 개의 독립적인 테스트 스위트로 구성되며, 모든 PDF 사양 버전(1.0–2.0), 암호화 파일, 형식이 잘못된 문서, CJK 인코딩, 복잡한 레이아웃, 보안 경계 사례를 함께 다룹니다. 각 스위트가 무엇을 테스트하는지, 그리고 왜 이 결과가 재현 가능한지는 전체 코퍼스 상세를 참고하세요.

라이브러리 평균 상대 p99 통과율
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 Oxide는 PyO3를 통해 Python 확장 모듈로 컴파일된 네이티브 Rust 코어로 이 속도를 달성합니다. 하위 프로세스 오버헤드나 C 라이브러리 브리징이 없으며, Rust 코드는 Python 프로세스 내에서 직접 실행됩니다.

신뢰성

PDF Oxide는 유효한 PDF 3,823개 중 3,823개를 실패 없이 처리합니다 — 통과율 100%입니다. 3,830개 코퍼스에서 통과하지 못한 7개 파일은 의도적으로 손상시킨 테스트 픽스처입니다(PDF 헤더 누락, 퍼징으로 손상된 카탈로그, 잘못된 xref 스트림).

라이브러리 통과한 유효 PDF 통과율
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%

텍스트 품질

PDF Oxide는 전체 코퍼스에서 PyMuPDF 및 pypdfium2 대비 99.5%의 텍스트 일치율을 달성합니다. 품질은 추출된 텍스트 출력을 문자 단위로 비교하여 측정했습니다. 나머지 0.5% 차이는 공백 정규화와 합자(ligature) 처리에서 발생하며, 이 부분에서 PDF Oxide는 더 깔끔한 출력을 생성합니다.

라이선스 비교

라이브러리 라이선스 상업적 사용 Copyleft
PDF Oxide MIT 제한 없음 아니오
pypdfium2 Apache-2.0 제한 없음 아니오
PyMuPDF AGPL-3.0 상업용 라이선스 필요(유료) 예
pypdf BSD-3 제한 없음 아니오
pdfplumber MIT 제한 없음 아니오
pdfminer MIT 제한 없음 아니오
pdftext GPL-3.0 오픈 소스 공개 필요 예

PyMuPDF는 AGPL-3.0 라이선스의 MuPDF를 사용합니다. PyMuPDF를 사용하는 소프트웨어를 배포한다면, 해당 소프트웨어도 AGPL-3.0으로 공개해야 하며, 그렇지 않으면 Artifex로부터 상업용 라이선스를 구매해야 합니다. 이는 SaaS 제품, 웹 애플리케이션, 그리고 배포되는 모든 바이너리에 적용됩니다.

PDF Oxide는 아무런 제한 없이 MIT 라이선스로 제공됩니다. 어떠한 라이선스 의무도 없이 독점 제품, SaaS 플랫폼, 클로즈드 소스 애플리케이션에서 사용할 수 있습니다.

사용 사례 PDF Oxide (MIT) PyMuPDF (AGPL) pypdfium2 (Apache) pypdf (BSD) pdfplumber (MIT) pdfminer (MIT)
상업용 제품 가능 라이선스 필요 가능 가능 가능 가능
클로즈드 소스 가능 불가(라이선스 없이) 가능 가능 가능 가능
SaaS/클라우드 가능 라이선스 필요 가능 가능 가능 가능
내부 도구 가능 가능 가능 가능 가능 가능

API 비교

텍스트 추출

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)

문자 단위 추출

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}")

이미지 추출

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 생성

PDF Oxide:

from pdf_oxide import Pdf

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

# Also supports HTML
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 can merge/modify PDFs but cannot create from scratch with text content.
# Use reportlab or fpdf2 for creation, then merge with pypdf.

암호화된 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 및 HTML 출력

PDF Oxide (고유 기능):

from pdf_oxide import PdfDocument

doc = PdfDocument("paper.pdf")

# Convert to Markdown with heading detection
md = doc.to_markdown(0, detect_headings=True)
print(md)

# Convert to HTML
html = doc.to_html(0)
print(html)

내장 Markdown 또는 HTML 변환을 제공하는 다른 Python PDF 라이브러리는 없습니다.

라이브러리 프로필

PDF Oxide

강점:

  • Rust 코어 덕분에 벤치마크에서 가장 빠른 텍스트 추출 — PyMuPDF보다 5.8배 빠름
  • 3,830개 PDF 코퍼스에서 100% 통과율 — 테스트한 모든 라이브러리 중 가장 높은 신뢰성
  • 추출, 생성, 편집을 하나의 라이브러리에서 다루는 통합 API
  • 제목 감지를 지원하는 내장 Markdown 및 HTML 내보내기
  • copyleft 제한이 없는 MIT 라이선스
  • 네이티브 준수 검증(PDF/A, PDF/UA, PDF/X)
  • 모든 주요 플랫폼과 Python 3.8–3.14용 사전 빌드 wheel
  • 시스템 종속성 없음 — wheel에 모든 것이 포함됨

한계:

  • 비교적 새로운 라이브러리로 커뮤니티가 작음
  • 표 추출은 pdfplumber의 알고리즘에 비해 기본적인 수준
  • 렌더링 엔진이 MuPDF만큼 성숙하지 않음

PyMuPDF (fitz)

강점:

  • 성숙하고 검증됨(MuPDF 기반, 2005년부터 개발)
  • 복잡한 PDF에 대한 뛰어난 렌더링 품질
  • 내장 OCR 통합(Tesseract)
  • 풍부한 기능 세트: SVG 내보내기, 페이지 조작, 표 감지

한계:

  • AGPL-3.0 라이선스는 애플리케이션을 오픈 소스로 공개하거나 상업용 라이선스를 구매하도록 요구함
  • 번들된 MuPDF로 인해 wheel 크기가 큼(약 20 MB)
  • 내장 Markdown 내보내기 없음
  • 준수 검증 없음

pypdfium2

강점:

  • 빠름(Google의 PDFium 엔진 기반)
  • Apache-2.0 라이선스 — 상업적 사용에 관대함
  • 좋은 렌더링 품질

한계:

  • PDF Oxide나 PyMuPDF에 비해 제한적인 텍스트 추출 API
  • PDF 생성 또는 편집 불가
  • 읽기 전용을 넘어서는 양식 필드 지원 없음

pypdf

강점:

  • Pure Python — 어디서나 설치 가능, 컴파일된 종속성 없음
  • 가볍고 유지 관리가 잘 됨
  • PDF 조작(병합, 분할, 회전, 암호화)에 적합
  • 큰 커뮤니티와 방대한 문서

한계:

  • 텍스트 추출이 PDF Oxide보다 15배 느림
  • 복잡한 레이아웃에서 텍스트 추출 품질이 떨어짐
  • 렌더링, Markdown/HTML 내보내기, 표 추출 없음

pdfplumber

강점:

  • 모든 Python PDF 라이브러리 중 최고의 표 추출
  • 뛰어난 문자 단위 위치 데이터
  • 시각적 디버깅 도구(주석이 달린 페이지 이미지)
  • MIT 라이선스

한계:

  • Pure Python — PDF Oxide보다 29배 느림
  • 읽기 전용 — PDF 생성 또는 편집 불가
  • 암호화나 렌더링 없음

pdfminer

강점:

  • 상세한 문자 및 레이아웃 분석
  • 좋은 CJK 텍스트 지원
  • pdfplumber 및 기타 도구의 기반
  • MIT 라이선스

한계:

  • PDF Oxide보다 21배 느림(Pure Python, 미최적화)
  • 읽기 전용, 생성 또는 편집 불가
  • 일반적인 작업에 장황한 API
  • 유지 관리가 덜 활발함

어떤 경우에 무엇을 쓸까

사용 사례 권장 라이브러리
빠른 텍스트 추출 PDF Oxide
상업용 / 독점 제품 PDF Oxide, pypdfium2, pypdf, pdfplumber 또는 pdfminer
PyMuPDF 대안(MIT 라이선스) PDF Oxide
Markdown/HTML로부터 PDF 생성 PDF Oxide
준수 검증(PDF/A, PDF/X) PDF Oxide
인보이스에서 표 추출 pdfplumber
추출 과정의 시각적 디버깅 pdfplumber
기존 MuPDF 투자가 있는 경우 PyMuPDF(AGPL 호환 시)
최소한의 종속성 pypdf(Pure Python)
상세한 레이아웃 분석 pdfminer
스캔 문서의 OCR PyMuPDF

설치

# 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 Oxide는 Linux(x86_64, aarch64), macOS(x86_64, arm64), Windows(x86_64)용 사전 빌드 wheel을 제공합니다. 컴파일러나 시스템 라이브러리가 필요하지 않습니다.

관련 페이지