Skip to content
PDF Oxide

PDF Oxide vs pdfplumber

PDF Oxide는 텍스트 추출에서 pdfplumber보다 29배 빠르고 Markdown/HTML 출력, Tesseract 없는 OCR, 암호화 PDF 지원까지 갖췄습니다. 복잡한 표 검출에서는 pdfplumber가 여전히 강력합니다 — 이 페이지가 사용 사례별 선택을 돕습니다.

주요 차이점

속도. pdfplumber는 Pure Python입니다(pdfminer 기반). PDF Oxide의 Rust 코어는 평균 0.8ms vs 23.2ms로 텍스트를 추출합니다 — 29배 빠릅니다.

신뢰성. PDF Oxide는 3,830개 테스트 PDF에서 100% 통과합니다. pdfplumber는 98.8% — 유효 PDF 46개에서 실패합니다.

표. pdfplumber는 모든 Python PDF 라이브러리 중 최고의 표 추출을 제공합니다. PDF Oxide의 표 감지는 기능적이지만 병합된 셀이 있는 복잡한 다행다열 레이아웃에서는 덜 성숙합니다.

범위. pdfplumber는 읽기 전용입니다. PDF Oxide는 생성, 편집, 암호화, 렌더링, Markdown/HTML 출력을 추가합니다.

빠른 비교

PDF Oxide pdfplumber
평균 추출 시간 0.8ms 23.2ms
통과율 (3,830개 PDF) 100% 98.8%
라이선스 MIT MIT
언어 Rust + PyO3 Pure Python
텍스트 추출 예 예
문자 위치 예 예
표 추출 기본 고급
이미지 추출 예 아니오
시각적 디버깅 아니오 예
Markdown 출력 예 아니오
HTML 출력 예 아니오
PDF 생성 예 아니오
PDF 편집 예 아니오
암호화 읽기 + 쓰기 아니오
렌더링 예 아니오
폼 필드 읽기 + 쓰기 읽기 전용

코드 비교

텍스트 추출

PDF Oxide:

from pdf_oxide import PdfDocument

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

pdfplumber:

import pdfplumber

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

문자 수준 추출

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("report.pdf")
chars = doc.extract_chars(0)
for ch in chars[:10]:
    print(f"'{ch.char}' at ({ch.x:.1f}, {ch.y:.1f}) size={ch.font_size:.1f}")

pdfplumber:

import pdfplumber

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    for char in page.chars[:10]:
        print(f"'{char['text']}' at ({char['x0']:.1f}, {char['top']:.1f}) "
              f"size={char['size']:.1f}")

표 추출

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("invoice.pdf")
md = doc.to_markdown(0, detect_headings=True)
# 표는 Markdown 표 구문으로 변환됩니다
print(md)

pdfplumber:

import pdfplumber

with pdfplumber.open("invoice.pdf") as pdf:
    page = pdf.pages[0]
    tables = page.extract_tables()
    for table in tables:
        for row in table:
            print(row)

pdfplumber의 extract_tables()는 구성 가능한 라인 감지로 구조화된 행/열 데이터를 반환합니다. 병합된 셀, 스패닝 헤더, 또는 테두리 없는 레이아웃이 있는 복잡한 표의 경우, pdfplumber의 알고리즘이 더 강력합니다.

벤치마크 상세

지표 PDF Oxide pdfplumber
평균 추출 시간 0.8ms 23.2ms
p99 추출 시간 9ms 189ms
통과율 (유효 PDF) 100% (3,823/3,823) 98.8% (3,777/3,823)

29배 속도 차이는 pdfplumber의 Pure Python 아키텍처에서 비롯됩니다. pdfplumber는 파싱을 위해 pdfminer 위에 구축되고, 자체 공간 분석 레이어를 추가합니다 — 둘 다 Python으로 작성되었습니다. PDF Oxide는 모든 파싱, 폰트 디코딩, 텍스트 조립을 컴파일된 Rust에서 처리합니다.

자세한 내용은 전체 벤치마크 방법론에서 코퍼스 세부사항을 확인하세요.

언제 어떤 것을 사용할까

PDF Oxide를 선택하세요:

  • 속도가 중요한 경우. 29배 빠른 속도가 분 단위 대 시간 단위 차이를 만드는 수천 개의 PDF 처리.
  • 추출 이상이 필요한 경우. 생성, 편집, 암호화, 렌더링, 또는 Markdown 출력.
  • 최대 신뢰성을 원하는 경우. 100% 통과율 vs 98.8%.
  • 이미지 추출이 필요한 경우. pdfplumber는 이미지를 추출하지 못합니다.
  • 배치 처리 파이프라인. PDF당 0.8ms는 3,830개 PDF를 3.1초 만에 처리합니다.

pdfplumber를 선택하세요:

  • 복잡한 표 추출이 주요 사용 사례인 경우. pdfplumber의 표 알고리즘이 병합된 셀, 테두리 없는 표, 스패닝 헤더를 더 잘 처리합니다.
  • 시각적 디버깅이 필요한 경우. pdfplumber는 감지된 라인, 문자, 표 경계를 보여주는 주석이 달린 페이지 이미지를 렌더링할 수 있습니다.
  • Pure Python을 선호하는 경우. 컴파일된 의존성 없이, 어디서나 설치 가능합니다.

둘 다 사용:

빠른 텍스트 추출과 복잡한 표 파싱이 모두 필요한 파이프라인에서는, 텍스트에 PDF Oxide를, 표에 pdfplumber를 사용하세요:

from pdf_oxide import PdfDocument
import pdfplumber

# PDF Oxide로 빠른 텍스트 추출
doc = PdfDocument("report.pdf")
text = doc.extract_text(0)

# pdfplumber로 복잡한 표 추출
with pdfplumber.open("report.pdf") as pdf:
    tables = pdf.pages[0].extract_tables()

관련 페이지