Skip to content
PDF Oxide

PDF Oxide 시작하기 (Julia)

PDF Oxide는 Julia에서 가장 빠른 PDF 라이브러리입니다 — 평균 0.8ms 텍스트 추출, 3,830개 PDF에서 100% 통과율. PdfOxide.jl 패키지는 Rust 코어를 C ABI 위에서 직접 감싸므로, 관용적인 Julia API와 네이티브 속도를 동시에 누릴 수 있습니다. 페이지 인덱스는 0부터 시작합니다.

설치

Julia REPL의 패키지 관리자에서 패키지를 추가합니다:

using Pkg
Pkg.add("PdfOxide")

네이티브 라이브러리(libpdf_oxide)는 런타임에 로드됩니다. 시스템 로더 경로에 라이브러리가 없다면, PdfOxide.jl이 순서대로 확인하는 환경 변수 중 하나로 위치를 지정하세요: PDF_OXIDE_LIB_PATH(파일의 전체 경로), PDF_OXIDE_LIB_DIR(디렉터리), 그다음 로컬 target/release 빌드 디렉터리.

export PDF_OXIDE_LIB_DIR=/path/to/pdf_oxide/target/release

빠른 시작

PDF를 열고 첫 페이지에서 텍스트를 추출합니다. extract_text는 0부터 시작하는 페이지 인덱스를 받습니다.

using PdfOxide

doc = open_document("report.pdf")

println("pages:   ", page_count(doc))
v = version(doc)
println("version: ", v.major, ".", v.minor)

# 첫 페이지의 일반 텍스트 (0부터 시작하는 인덱스)
println(extract_text(doc, 0))

메모리에서 문서를 만들어 바이트로부터 열 수도 있습니다 — 디스크를 전혀 거치지 않는 테스트나 파이프라인에 유용합니다:

using PdfOxide

pdf = from_markdown("# Hello pdf_oxide\n\nThis is the **Julia** binding.\n")
doc = open_from_bytes(to_bytes(pdf))

println("pages: ", page_count(doc))
println(extract_text(doc, 0))

문서 살펴보기

추출에 들어가기 전에, 몇 번의 가벼운 호출만으로 지금 다루는 문서가 어떤 것인지 파악할 수 있습니다:

using PdfOxide

doc = open_document("report.pdf")

@show page_count(doc)        # 페이지 수
@show version(doc).major     # PDF 사양 버전
@show is_encrypted(doc)      # 파일이 비밀번호로 보호되어 있으면 true

Markdown 및 HTML 변환

단일 페이지를 변환하거나 문서 전체를 한 번에 변환할 수 있습니다. Markdown은 제목, 목록, 강조를 그대로 유지하며, _all 변형은 모든 페이지를 이어 붙입니다.

using PdfOxide

doc = open_document("paper.pdf")

# 한 페이지 (0부터 시작)
md = to_markdown(doc, 0)
println(md)

# 문서 전체
println(to_markdown_all(doc))

# 단일 페이지의 HTML
html = to_html(doc, 0)
println(html)

# 마크업이 전혀 없는 일반 텍스트
println(to_plain_text(doc, 0))

단어 단위 추출

extract_words는 Word 값의 벡터를 반환하며, 각 값은 텍스트, 경계 상자, 글꼴 크기, 굵게 표시 여부 플래그를 담고 있습니다. 경계 상자는 width, height, 위치 필드를 가진 Bbox입니다.

using PdfOxide

doc = open_document("paper.pdf")
words = extract_words(doc, 0)

for w in first(words, 10)
    println(rpad(w.text, 20),
            " size=", w.font_size,
            " bold=", w.bold,
            " width=", round(w.bbox.width; digits = 1))
end

행 단위 레이아웃의 경우, extract_text_lines는 TextLine 값을 반환하며, 각 값은 텍스트, word_count, bbox를 가집니다:

using PdfOxide

doc = open_document("paper.pdf")
lines = extract_text_lines(doc, 0)

for line in lines
    println(line.word_count, " words: ", line.text)
end

검색

단일 페이지를 검색하거나 문서 전체를 검색할 수 있습니다. 세 번째 인수는 대소문자 구분 플래그입니다(대소문자를 구분하지 않으려면 false). 각 결과는 text, 발견된 page, bbox를 보고합니다.

using PdfOxide

doc = open_document("manual.pdf")

# 한 페이지 검색 (대소문자 구분 안 함)
hits = search(doc, 0, "configuration", false)
for h in hits
    println("page ", h.page, ": ", h.text)
end

# 모든 페이지 검색
all_hits = search_all(doc, "configuration", false)
println(length(all_hits), " total matches")
for h in all_hits
    println("page ", h.page, " at (",
            round(h.bbox.x; digits = 0), ", ",
            round(h.bbox.y; digits = 0), ")")
end

PDF 생성

from_* 팩토리 함수는 Markdown, HTML, 또는 일반 텍스트로부터 Pdf를 만듭니다. to_bytes를 호출하면 원시 바이트를 얻고, save를 호출하면 파일에 직접 씁니다.

using PdfOxide

# Markdown으로부터
pdf = from_markdown("# Invoice\n\nAmount due: **\$42**\n")
save(pdf, "invoice.pdf")

# HTML로부터
html_pdf = from_html("<h1>Report</h1><p>Quarterly results.</p>")
save(html_pdf, "report.pdf")

# 일반 텍스트로부터 — 파일로 쓰는 대신 바이트를 가져오기
text_pdf = from_text("Plain text body.")
bytes = to_bytes(text_pdf)
println("generated ", length(bytes), " bytes")

오류 처리

작업이 실패하면 PdfOxideError가 발생합니다. 신뢰할 수 없는 입력을 다루는 호출은 try/catch로 감싸세요:

using PdfOxide

try
    doc = open_document("missing.pdf")
    println(extract_text(doc, 0))
catch e
    e isa PdfOxideError || rethrow()
    println("PDF error: ", e)
end

다음 단계