Skip to content
PDF Oxide

pdfplumber에서 PDF Oxide로 마이그레이션

pdfplumber에서 PDF Oxide로 전환하기 위한 완전한 가이드입니다. 현재 사용 중인 모든 API와 대체 방법을 다룹니다.

왜 pdfplumber에서 전환해야 합니까?

마이그레이션해야 하는 4가지 이유가 있습니다:

  1. 29배 빠름 — PDF Oxide는 페이지당 평균 0.8ms, pdfplumber는 23.2ms입니다. 100페이지 문서가 2.3초가 아닌 80ms에 처리됩니다.
  2. 암호화 PDF 지원 — pdfplumber는 암호화된 PDF를 전혀 열 수 없습니다. PDF Oxide는 AES-256을 포함한 모든 암호화 방식을 투명하게 처리합니다.
  3. 이미지 추출 — pdfplumber에는 이미지 추출 기능이 없습니다. PDF Oxide는 한 번의 호출로 임베디드 이미지를 추출합니다.
  4. Markdown 출력 — pdfplumber는 수동 포맷팅이 필요한 Python 리스트로 테이블을 반환합니다. PDF Oxide는 테이블 구조를 유지한 Markdown을 출력하여 LLM에 바로 사용할 수 있습니다.

1단계: 설치

pip install pdf_oxide
pip uninstall pdfplumber  # 선택 사항

2단계: 임포트 변경

# 변경 전
import pdfplumber

# 변경 후
from pdf_oxide import PdfDocument

3단계: API 매핑 테이블

작업 pdfplumber PDF Oxide
PDF 열기 pdfplumber.open("file.pdf") PdfDocument("file.pdf")
페이지 수 len(pdf.pages) doc.page_count()
텍스트 추출 pdf.pages[0].extract_text() doc.extract_text(0)
문자 위치 pdf.pages[0].chars doc.extract_chars(0)
테이블 추출 pdf.pages[0].extract_tables() doc.to_markdown(0)
양식 필드 지원하지 않음 (읽기 전용) doc.get_form_fields()
암호화 PDF 지원하지 않음 PdfDocument("file.pdf", password="pw")
이미지 추출 지원하지 않음 doc.extract_image_bytes(0)
Markdown 변환 지원하지 않음 doc.to_markdown(0)
렌더링 지원하지 않음 doc.render_page(0)
OCR 지원하지 않음 doc.extract_text_ocr(0)
PDF 생성 지원하지 않음 Pdf.from_markdown("# Title")

4단계: 일반적인 패턴 변경

텍스트 추출

pdfplumber는 컨텍스트 매니저가 필요합니다. PDF Oxide는 필요하지 않습니다:

# pdfplumber — 컨텍스트 매니저 필요
import pdfplumber
with pdfplumber.open("report.pdf") as pdf:
    for page in pdf.pages:
        text = page.extract_text()
        print(text)

# PDF Oxide — 컨텍스트 매니저 불필요
from pdf_oxide import PdfDocument
doc = PdfDocument("report.pdf")
for i in range(doc.page_count()):
    text = doc.extract_text(i)
    print(text)

테이블 추출

pdfplumber는 테이블을 중첩된 Python 리스트로 반환합니다. PDF Oxide는 Markdown으로 출력합니다:

# pdfplumber — 리스트의 리스트 반환
import pdfplumber
with pdfplumber.open("report.pdf") as pdf:
    tables = pdf.pages[0].extract_tables()
    for table in tables:
        for row in table:
            print(row)

# PDF Oxide — 구조화된 Markdown 출력
from pdf_oxide import PdfDocument
doc = PdfDocument("report.pdf")
md = doc.to_markdown(0)
print(md)  # 테이블은 Markdown 테이블로 렌더링

문자 수준 추출

# pdfplumber
import pdfplumber
with pdfplumber.open("report.pdf") as pdf:
    chars = pdf.pages[0].chars
    for c in chars:
        print(f"{c['text']} at ({c['x0']}, {c['top']})")

# PDF Oxide
from pdf_oxide import PdfDocument
doc = PdfDocument("report.pdf")
chars = doc.extract_chars(0)
for c in chars:
    print(f"{c.char} at ({c.x}, {c.y})")

암호화 PDF (새로운 기능)

pdfplumber는 암호화 PDF를 열 수 없습니다. PDF Oxide는 투명하게 처리합니다:

from pdf_oxide import PdfDocument

# AES-256을 포함한 모든 암호화 방식 지원
doc = PdfDocument("encrypted.pdf", password="password")
text = doc.extract_text(0)
print(text)

이미지 추출 (새로운 기능)

pdfplumber에는 이미지 추출 기능이 없습니다. PDF Oxide를 사용하면 간단합니다:

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"])

스캔 문서 OCR (새로운 기능)

pdfplumber는 스캔된 PDF를 처리할 수 없습니다. PDF Oxide는 OCR을 내장하고 있습니다:

from pdf_oxide import PdfDocument

doc = PdfDocument("scanned.pdf")
text = doc.extract_text_ocr(0)
print(text)

주요 차이점

  1. 컨텍스트 매니저 불필요 — pdfplumber는 with pdfplumber.open(...) as pdf:를 사용합니다. PDF Oxide는 컨텍스트 매니저가 필요하지 않습니다.
  2. 암호화 PDF — pdfplumber는 전혀 열 수 없습니다. PDF Oxide는 암호화를 투명하게 처리합니다.
  3. 테이블 — pdfplumber는 Python 리스트를 반환합니다. PDF Oxide는 Markdown 또는 HTML로 테이블을 출력합니다. 시각적 디버깅이 필요한 복잡한 테이블의 경우 PDF Oxide와 함께 pdfplumber를 병행 사용할 수 있습니다.

5단계: 마이그레이션 테스트

기존 테스트 파일을 두 라이브러리로 실행하고 출력을 비교합니다:

from pdf_oxide import PdfDocument

doc = PdfDocument("your-test-file.pdf")

# 텍스트 추출 확인
text = doc.extract_text(0)
print(text[:500])

# 페이지 수 확인
print(f"Pages: {doc.page_count()}")

# 양식 필드 확인 (해당하는 경우)
fields = doc.get_form_fields()
for f in fields:
    print(f"{f.name}: {f.value}")

다른 마이그레이션 가이드

관련 페이지