Skip to content
PDF Oxide

2026년 Python PDF 라이브러리 비교

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

요약

PDF Oxide PyMuPDF pypdfium2 pypdf pdfplumber pdfminer
평균 추출 시간 0.8ms 4.6ms 4.1ms 12.1ms 23.2ms 16.8ms
성공률(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
구현 언어 Rust + PyO3 C (MuPDF) C (PDFium) 순수 Python 순수 Python 순수 Python
텍스트 추출 지원 지원 지원 지원 지원 지원
문자 위치 지원 지원 지원 일부 지원 지원
이미지 추출 지원 지원 지원 지원 미지원 미지원
폼 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 용량 ~5 MB wheel ~20 MB wheel ~3 MB wheel ~1 MB ~1 MB ~1 MB

성능 비교

PDF 한 개당 평균 텍스트 추출 시간을 3,830개 PDF로 구성된 전체 코퍼스에서 측정했습니다. 공개된 세 가지 독립 테스트 스위트를 결합했으며, 이를 통해 PDF 사양의 모든 버전(1.0–2.0), 암호화 파일, 손상 문서, CJK 인코딩, 복잡한 레이아웃, 보안 엣지 케이스까지 폭넓게 다룹니다. 각 스위트에서 검증하는 내용과 결과의 재현성은 코퍼스 상세를 참고하세요.

라이브러리 평균 상대 p99 성공률
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 이러한 속도를 달성합니다. 서브프로세스 오버헤드나 C 라이브러리 브리지가 없으며, Rust 코드는 Python 프로세스 내부에서 직접 실행됩니다.

안정성

PDF Oxide는 유효한 3,823개 PDF를 모두 실패 없이 처리하며 성공률 100%를 기록합니다. 3,830개 코퍼스 중 통과하지 못한 7개 파일은 의도적으로 손상된 테스트 픽스처입니다(PDF 헤더 누락, 퍼징으로 손상된 카탈로그, 잘못된 xref 스트림).

라이브러리 유효 PDF 통과 수 성공률
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 보입니다. 품질은 추출 결과를 문자 단위로 비교해 측정했습니다. 남은 0.5% 차이는 공백 정규화와 합자(ligature) 처리에서 발생하며, PDF Oxide 쪽이 더 깔끔한 출력을 만들어 냅니다.

라이선스 비교

라이브러리 라이선스 상업적 이용 카피레프트
PDF Oxide MIT 제한 없음 없음
pypdfium2 Apache-2.0 제한 없음 없음
PyMuPDF AGPL-3.0 상업 라이선스 필요($) 있음
pypdf BSD-3 제한 없음 없음
pdfplumber MIT 제한 없음 없음
pdfminer MIT 제한 없음 없음
pdftext GPL-3.0 오픈소스 공개 필요 있음

PyMuPDF는 AGPL-3.0으로 배포되는 MuPDF를 사용합니다. PyMuPDF를 쓰는 소프트웨어를 배포하려면 해당 소프트웨어도 AGPL-3.0으로 공개하거나 Artifex에서 상업 라이선스를 구입해야 합니다. 이는 SaaS 제품, 웹 애플리케이션, 모든 배포 바이너리에 적용됩니다.

PDF Oxide는 MIT 라이선스로 제약이 없습니다. 독점 제품, SaaS 플랫폼, 비공개 소스 애플리케이션에서 라이선스 부담 없이 사용할 수 있습니다.

활용 사례 PDF Oxide (MIT) PyMuPDF (AGPL) pypdfium2 (Apache) pypdf (BSD) pdfplumber (MIT) pdfminer (MIT)
상업 제품 가능 라이선스 필요 가능 가능 가능 가능
비공개 소스 가능 불가(라이선스 없을 때) 가능 가능 가능 가능
SaaS/클라우드 가능 라이선스 필요 가능 가능 가능 가능
사내 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")

# HTML도 지원
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:

# pypdf는 PDF 병합/수정만 가능하며, 텍스트가 포함된 PDF를 처음부터 만들 수는 없습니다.
# 생성은 reportlab이나 fpdf2로 하고, 이후 pypdf로 병합하세요.

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·HTML 출력

PDF Oxide(고유 기능):

from pdf_oxide import PdfDocument

doc = PdfDocument("paper.pdf")

# 제목 감지와 함께 Markdown으로 변환
md = doc.to_markdown(0, detect_headings=True)
print(md)

# HTML로 변환
html = doc.to_html(0)
print(html)

Python PDF 라이브러리 중에서 Markdown 또는 HTML 변환을 기본 제공하는 것은 PDF Oxide뿐입니다.

라이브러리별 특징

PDF Oxide

장점:

  • Rust 코어 기반으로 벤치마크에서 가장 빠른 텍스트 추출 속도 — PyMuPDF 대비 5.8×
  • 3,830개 PDF 코퍼스에서 100% 성공률로 테스트 라이브러리 중 최고 안정성 확보
  • 단일 라이브러리에서 추출·생성·편집을 통합 API로 제공
  • 제목 감지 기능과 함께 Markdown·HTML 내보내기 기본 제공
  • MIT 라이선스로 카피레프트 제약 없음
  • 규격 준수 검증(PDF/A, PDF/UA, PDF/X) 내장
  • 주요 플랫폼과 Python 3.8–3.14용 사전 빌드 wheel 제공
  • 시스템 의존성 없음 — wheel에 모든 것이 포함됨

한계:

  • 등장한 지 얼마 되지 않아 커뮤니티 규모가 작음
  • 표 추출은 pdfplumber의 알고리즘에 비해 단순함
  • 렌더링 엔진은 MuPDF 수준까지 성숙하지 않음

PyMuPDF (fitz)

장점:

  • 실사용 환경에서 검증된 성숙한 라이브러리(MuPDF 기반, 2005년부터 개발)
  • 복잡한 PDF에서도 뛰어난 렌더링 품질
  • OCR 연동(Tesseract) 내장
  • SVG 출력, 페이지 조작, 표 감지 등 풍부한 기능

한계:

  • AGPL-3.0 라이선스로 애플리케이션의 소스를 공개하거나 상업 라이선스를 구입해야 함
  • MuPDF를 함께 담기 때문에 wheel 크기가 큼(~20 MB)
  • Markdown 내보내기 내장 기능 없음
  • 규격 준수 검증 없음

pypdfium2

장점:

  • 빠름(Google의 PDFium 엔진 기반)
  • Apache-2.0 라이선스로 상업 이용에 관대함
  • 우수한 렌더링 품질

한계:

  • PDF Oxide나 PyMuPDF에 비해 텍스트 추출 API가 제한적
  • PDF 생성·편집 불가
  • 폼 필드는 읽기 전용만 지원

pypdf

장점:

  • 순수 Python으로 어디에나 설치 가능, 컴파일 의존성 없음
  • 가볍고 꾸준히 관리됨
  • PDF 조작(병합, 분할, 회전, 암호화)에 적합
  • 큰 커뮤니티와 풍부한 문서

한계:

  • 텍스트 추출에서 PDF Oxide보다 15× 느림
  • 복잡한 레이아웃에서는 추출 품질이 떨어짐
  • 렌더링, Markdown/HTML 출력, 표 추출 모두 미지원

pdfplumber

장점:

  • Python PDF 라이브러리 중 가장 우수한 표 추출
  • 뛰어난 문자 단위 위치 정보
  • 시각적 디버깅 도구(주석이 달린 페이지 이미지)
  • MIT 라이선스

한계:

  • 순수 Python으로 PDF Oxide보다 29× 느림
  • 읽기 전용 — PDF 생성·편집 불가
  • 암호화·렌더링 미지원

pdfminer

장점:

  • 문자·레이아웃에 대한 상세한 분석 제공
  • CJK 텍스트 지원 양호
  • pdfplumber 등 여러 도구의 기반
  • MIT 라이선스

한계:

  • PDF Oxide보다 21× 느림(최적화되지 않은 순수 Python)
  • 읽기 전용, 생성·편집 불가
  • 기본 작업에 비해 API가 장황함
  • 유지 관리가 활발하지 않음

어떤 라이브러리를 쓸까

활용 사례 추천 라이브러리
빠른 텍스트 추출 PDF Oxide
상업 / 독점 제품 PDF Oxide, pypdfium2, pypdf, pdfplumber, pdfminer
PyMuPDF 대체(MIT 라이선스) PDF Oxide
Markdown/HTML로 PDF 생성 PDF Oxide
규격 준수 검증(PDF/A, PDF/X) PDF Oxide
인보이스 표 추출 pdfplumber
추출 결과 시각적 디버깅 pdfplumber
기존 MuPDF 자산 활용 PyMuPDF (AGPL 허용 시)
최소 의존성 pypdf (순수 Python)
세밀한 레이아웃 분석 pdfminer
스캔 문서 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 라이브러리는 필요하지 않습니다.

관련 페이지