Skip to content
PDF Oxide

vs Bibliotecas PDF para Rust

PDF Oxide comparado com as crates PDF para Rust mais usadas: lopdf, printpdf, pdf-rs e pdf_extract. Cada uma mira um nível de abstração diferente e um conjunto distinto de casos de uso.

Resumo

PDF Oxide lopdf printpdf pdf-rs pdf_extract
Nível da API Alto nível Baixo nível Nível intermediário (criação) Baixo nível (leitura) Nível intermediário (leitura)
Ler PDFs Sim Sim Não Sim Sim
Escrever PDFs Sim Sim Sim Não Não
Extração de texto Sim (alto nível) Manual Não Manual Sim (básica)
Extração de imagens Sim (alto nível) Manual Não Manual Não
Campos de formulário Leitura + escrita Manual Não Apenas leitura Não
Criação de PDF Sim Sim Sim Não Não
Entrada Markdown/HTML Sim Não Não Não Não
Editar PDFs existentes Sim Sim (baixo nível) Não Não Não
Anotações Leitura + escrita Manual Não Apenas leitura Não
Criptografia Leitura + escrita Não Não Não Não
Validação PDF/A Sim Não Não Não Não
Renderização Sim (tiny-skia) Não Não Parcial Não
Bindings para Python Sim Não Não Não Não
Licença MIT MIT MIT MIT Apache-2.0

Todas as bibliotecas têm licenças permissivas. As diferenças estão no escopo e no nível de abstração.

Comparação de desempenho

Benchmark no corpus completo (3.830 PDFs)

Testado no corpus completo de 3.830 PDFs — três suítes de teste independentes e disponíveis publicamente, cobrindo conformidade com a especificação PDF (veraPDF, 2.907 arquivos), casos extremos de renderização em navegadores do mundo real (Mozilla pdf.js, 897 arquivos) e testes de estresse de segurança/robustez, incluindo estruturas malformadas e corrupção gerada por fuzzing (DARPA SafeDocs, 26 arquivos). Veja os detalhes do corpus completo.

Biblioteca Média p99 Taxa de sucesso Extração de texto Observações
PDF Oxide 0,8ms 9ms 100% Integrada, de nível de produção Unicode, CJK, ordem de leitura
oxidize_pdf 13,5ms 11ms 99,1% Básica Outlier máximo de 48s
unpdf 2,8ms 10ms 95,1% Básica 185 falhas no corpus completo
pdf_extract 4,08ms 37ms 91,5% Básica Perde layouts complexos
lopdf 0,3ms 2ms 80,2% Sem extração integrada Falha em 20% dos PDFs

A lopdf é mais rápida nos PDFs que consegue analisar — mas falha em 20% do corpus e não oferece extração de texto. Você teria que construir por conta própria a decodificação de fontes, a resolução de CMap e a análise de espaçamento.

A pdf_extract oferece extração de texto básica, mas tem taxa de sucesso de 91,5% e tem dificuldades com layouts complexos, texto CJK e PDFs marcados. A oxidize_pdf tem confiabilidade razoável (99,1%), mas é 17× mais lenta que a pdf_oxide no tempo médio de extração, com um outlier de pior caso de 48 segundos. A unpdf processa o corpus completo, mas falha em 185 PDFs.

PDF Oxide é a única crate Rust que combina 100% de confiabilidade com extração de texto de nível de produção.

Comparação de design da API

PDF Oxide: alto nível, orientada a tarefas

PDF Oxide oferece métodos criados especificamente para tarefas comuns. Você trabalha com texto, imagens e campos de formulário — não com objetos e dicionários PDF.

use pdf_oxide::PdfDocument;

let mut doc = PdfDocument::open("report.pdf")?;

// Text extraction -- one call
let text = doc.extract_text(0)?;
println!("{}", text);

// Styled spans with font metadata
let spans = doc.extract_spans(0)?;
for span in &spans {
    println!("'{}' font={} size={:.1}pt", span.text, span.font_name, span.font_size);
}

// Image extraction
let images = doc.extract_images(0)?;
for img in &images {
    println!("{}x{} {:?}", img.width, img.height, img.format);
}

// Form fields
let fields = doc.extract_form_fields()?;
for field in &fields {
    println!("{}: {:?}", field.name, field.value);
}

A criação de PDF é igualmente direta:

use pdf_oxide::api::Pdf;

// From Markdown
let pdf = Pdf::from_markdown("# Report\n\n| A | B |\n|---|---|\n| 1 | 2 |")?;
pdf.save("report.pdf")?;

// From HTML
let pdf = Pdf::from_html("<h1>Report</h1><p>Content here.</p>")?;
pdf.save("report.pdf")?;

lopdf: manipulação de objetos em baixo nível

A lopdf dá acesso direto a objetos PDF, streams e à tabela de referências cruzadas. Você precisa entender a especificação PDF para usá-la de forma eficaz. Não há extração de texto integrada — você navega pelos dicionários e decodifica os streams por conta própria.

use lopdf::Document;

let doc = Document::load("report.pdf")?;

// Get page dictionary
let page_id = doc.page_iter().next().unwrap();
let page = doc.get_dictionary(page_id)?;

// Get content stream -- manual work
let contents = page.get("Contents")?;
let stream = doc.get_object(contents.as_reference()?)?;

// To extract text you must:
// 1. Parse the content stream operators
// 2. Resolve font references from /Resources
// 3. Decode CMap/ToUnicode mappings
// 4. Apply text matrix transformations
// 5. Handle encoding differences
//
// lopdf does not provide any of this -- it is raw object access
println!("Page has {} objects", doc.objects.len());

A lopdf é a ferramenta certa quando você precisa manipular a estrutura do PDF diretamente: mesclar documentos, reescrever streams de objetos ou construir processadores de PDF especializados.

printpdf: apenas criação de PDF

A printpdf é uma biblioteca somente de criação. Ela não consegue ler nem analisar PDFs existentes. Oferece uma API tipada para construir documentos PDF do zero, com texto, imagens e gráficos vetoriais.

use printpdf::*;

let (doc, page1, layer1) = PdfDocument::new(
    "Report", Mm(210.0), Mm(297.0), "Layer 1"
);

let current_layer = doc.get_page(page1).get_layer(layer1);

// Add text -- requires manual font loading
let font = doc.add_builtin_font(BuiltinFont::Helvetica)?;
current_layer.use_text("Hello World", 24.0, Mm(10.0), Mm(280.0), &font);

// Save
doc.save(&mut std::io::BufWriter::new(
    std::fs::File::create("output.pdf")?,
))?;

// Cannot read existing PDFs
// Cannot extract text, images, or form fields

A printpdf é a ferramenta certa quando você só precisa gerar novos PDFs e quer uma API de criação limpa e focada.

pdf-rs: leitura de PDF em baixo nível

A pdf-rs analisa a estrutura do PDF em tipos Rust, mas oferece funcionalidade de alto nível mínima. Você obtém acesso tipado aos objetos PDF, mas ainda precisa lidar com a decodificação de texto, a resolução de fontes e a análise de streams de conteúdo.

use pdf::file::FileOptions;

let file = FileOptions::cached().open("report.pdf")?;

// Access page objects
let page = file.get_page(0)?;
let media_box = page.media_box()?;
println!("Page size: {:?}", media_box);

// Content stream access -- low-level
if let Some(ref contents) = page.contents {
    // Returns raw operations -- you must interpret them
    // No built-in text assembly, font decoding, or layout analysis
}

// Cannot write or modify PDFs

A pdf-rs é a ferramenta certa quando você precisa de um parser de PDF type-safe para análise, validação ou para construir um renderizador personalizado.

Comparação de recursos por tarefa

Extração de texto

Biblioteca Integrada Qualidade Esforço necessário
PDF Oxide Sim Nível de produção (Unicode, CJK, ordem de leitura) Uma chamada de método
pdf_extract Sim Básica (perde layouts complexos) Uma chamada de método
lopdf Não N/D Centenas de linhas de código personalizado
printpdf Não N/D Impossível (somente escrita)
pdf-rs Não N/D Exige código personalizado significativo

PDF Oxide trata da decodificação CMap/ToUnicode, do espaçamento baseado em métricas de fonte, da ordem de leitura pela árvore de estrutura e da reconstrução de ligaduras. Implementar funcionalidade equivalente sobre a lopdf ou a pdf-rs exige milhares de linhas de código e profundo conhecimento da especificação PDF.

Criação de PDF

Biblioteca Abordagem Entrada Markdown/HTML Tabelas Códigos de barras
PDF Oxide Alto nível + baixo nível Sim Sim Sim
lopdf Construção de objetos crus Não Não Não
printpdf API tipada de camadas Não Não Não
pdf-rs N/D (somente leitura) N/D N/D N/D

Criptografia

Biblioteca Ler criptografado Escrever criptografado Algoritmos
PDF Oxide Sim Sim RC4-40, RC4-128, AES-128, AES-256
lopdf Não Não –
printpdf Não Não –
pdf-rs Parcial Não Apenas RC4

Conformidade

Biblioteca PDF/A PDF/X PDF/UA
PDF Oxide Validar + converter Validar Validar
lopdf Não Não Não
printpdf Parcial (saída PDF/A-1b) Não Não
pdf-rs Não Não Não

Pegada de dependências

Biblioteca Dependências Tempo de compilação Tamanho do binário
PDF Oxide ~40 (núcleo) ~30s ~4 MB
lopdf ~15 ~10s ~1 MB
printpdf ~20 ~15s ~2 MB
pdf-rs ~25 ~20s ~2 MB

PDF Oxide tem mais dependências porque inclui análise de fontes, decodificação de imagens, interpretação de streams de conteúdo e criptografia — recursos que as outras bibliotecas deixam a cargo do usuário ou omitem por completo. Com todos os recursos opcionais (rendering, barcodes, office), o número sobe para ~100.

Combinando bibliotecas

Como todas têm licenças permissivas, você pode combiná-las em um único projeto:

[dependencies]
pdf_oxide = "0.3"
lopdf = "0.32"        # Optional: raw object access for edge cases

Padrões comuns:

  • PDF Oxide + lopdf: use PDF Oxide para extração e criação, recorrendo à lopdf nos casos extremos que exigem manipulação de objetos crus.
  • PDF Oxide + printpdf: use PDF Oxide para leitura e printpdf para fluxos de criação especializados.

Matriz de casos de uso

“Preciso extrair texto de PDFs”

Crate Adequada? Observações
PDF Oxide Sim Melhor qualidade de extração, 100% de taxa de sucesso, ordem de leitura, metadados de fonte
pdf_extract Parcial Extração básica, 91,5% de taxa de sucesso
lopdf Não Sem extração de texto
printpdf Não Não consegue ler PDFs
pdf-rs Parcial Análise básica, sem extração de texto de alto nível

“Preciso criar PDFs”

Crate Adequada? Observações
PDF Oxide Sim APIs de alto nível (Markdown/HTML) e de baixo nível
lopdf Parcial Construção de objetos em baixo nível
printpdf Sim API de criação limpa, sem leitura
pdf-rs Não Somente leitura

“Preciso editar PDFs existentes”

Crate Adequada? Observações
PDF Oxide Sim Edição estilo DOM, anotações, formulários
lopdf Parcial Manipulação de objetos em baixo nível
printpdf Não Não consegue ler PDFs
pdf-rs Não Somente leitura

“Preciso do ciclo de vida completo (extrair + criar + editar)”

Crate Adequada? Observações
PDF Oxide Sim Única crate que cobre os três
lopdf + printpdf Parcial Duas crates, sem extração de texto
pdf-rs + printpdf Parcial Duas crates, sem edição

Quando usar cada uma

Escolha PDF Oxide se você precisa de mais de uma capacidade de PDF (extração + criação, ou extração + edição) e quer uma única dependência bem testada com 100% de confiabilidade.

Escolha lopdf se você precisa de manipulação da estrutura do PDF em baixo nível e está confortável em trabalhar diretamente com a especificação PDF. Boa para mesclagem, divisão e processamento em lote de PDFs.

Escolha printpdf se você só cria PDFs e nunca precisa lê-los. A API mais limpa para geração de relatórios e documentos.

Escolha pdf-rs se você precisa de um parser em conformidade com a especificação para análise de PDF ou está construindo seu próprio pipeline de renderização.

Escolha pdf_extract se você precisa de extração de texto básica e não exige alta confiabilidade nem suporte a layouts complexos.

Páginas relacionadas