Skip to content
PDF Oxide

Melhor crate PDF para Rust em 2026

PDF Oxide frente aos crates PDF mais usados em Rust: lopdf, printpdf, pdf-rs e pdf_extract. Cada um mira um nível de abstração e casos de uso diferentes — esta página ajuda a escolher o crate certo para o seu projeto.

Resumo

PDF Oxide lopdf printpdf pdf-rs pdf_extract
Nível de API Alto nível Baixo nível Médio nível (criação) Baixo nível (leitura) Médio nível (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 (básico)
Extração de imagens Sim (alto nível) Manual Não Manual Não
Campos de formulário Leitura + Escrita Manual Não Somente leitura Não
Criação de PDF Sim Sim Sim Não Não
Entrada Markdown/HTML Sim Não Não Não Não
Edição de PDFs existentes Sim Sim (baixo nível) Não Não Não
Anotações Leitura + Escrita Manual Não Somente 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 Python Sim Não Não Não Não
Licença MIT MIT MIT MIT Apache-2.0

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

Comparação de Desempenho

Benchmark do Corpus Completo (3.830 PDFs)

Testado no corpus completo de 3.830 PDFs — três suítes de teste independentes e publicamente disponíveis 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 detalhes completos do corpus.

Biblioteca Média p99 Taxa de Aprovação Extração de Texto Observações
PDF Oxide 0.8ms 9ms 100% Integrada, 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 Falha em layouts complexos
lopdf 0.3ms 2ms 80.2% Sem extração integrada Falha em 20% dos PDFs

O lopdf é mais rápido nos PDFs que consegue analisar — mas falha em 20% do corpus e não fornece extração de texto. Você precisaria construir decodificação de fontes, resolução de CMap e análise de espaçamento por conta própria.

O pdf_extract fornece extração de texto básica mas tem uma taxa de aprovação de 91.5% e tem dificuldade com layouts complexos, texto CJK e PDFs com tags. O oxidize_pdf tem confiabilidade decente (99.1%) mas é 17× mais lento que o pdf_oxide no tempo médio de extração, com um outlier de pior caso de 48 segundos. O unpdf processa o corpus completo mas falha em 185 PDFs.

O PDF Oxide é o único crate Rust que combina 100% de confiabilidade com extração de texto em nível de produção.

Comparação de Design de API

PDF Oxide: Alto Nível, Orientado a Tarefas

O PDF Oxide fornece métodos dedicados 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")?;

// Extração de texto -- 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);
}

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

A criação de PDFs é igualmente simples:

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 de Baixo Nível

O lopdf fornece acesso direto a objetos PDF, streams e tabela de referência cruzada. Você precisa entender a especificação PDF para usá-lo efetivamente. 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());

O 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

O printpdf é uma biblioteca somente para criação. Não pode ler ou analisar PDFs existentes. Fornece 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

O 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 de Baixo Nível

O pdf-rs analisa a estrutura do PDF em tipos Rust mas fornece funcionalidade de alto nível mínima. Você obtém acesso tipado a objetos PDF mas ainda precisa lidar com decodificação de texto, resolução de fontes e análise de content stream.

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

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

Comparação de Funcionalidades 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 (falha em layouts complexos) Uma chamada de método
lopdf Não N/A Centenas de linhas de código personalizado
printpdf Não N/A Não é possível (somente escrita)
pdf-rs Não N/A Código personalizado significativo necessário

O PDF Oxide lida com decodificação CMap/ToUnicode, espaçamento baseado em métricas de fonte, ordem de leitura da árvore de estrutura e reconstrução de ligaturas. Implementar funcionalidade equivalente sobre o lopdf ou pdf-rs requer 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 bruta Não Não Não
printpdf API de camadas tipada Não Não Não
pdf-rs N/A (somente leitura) N/A N/A N/A

Criptografia

Biblioteca Leitura Criptografada Escrita Criptografada 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 (core) ~30s ~4 MB
lopdf ~15 ~10s ~1 MB
printpdf ~20 ~15s ~2 MB
pdf-rs ~25 ~20s ~2 MB

O PDF Oxide possui mais dependências porque inclui análise de fontes, decodificação de imagens, interpretação de content stream e criptografia — funcionalidades que as outras bibliotecas deixam para o usuário ou omitem completamente. Com todas as features opcionais (rendering, barcodes, office), o número sobe para ~100.

Combinando Bibliotecas

Como todas possuem 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, com fallback para lopdf em casos extremos que requerem manipulação bruta de objetos.
  • PDF Oxide + printpdf: Use PDF Oxide para leitura e printpdf para fluxos de trabalho de criação especializados.

Matriz de Casos de Uso

“Preciso extrair texto de PDFs”

Crate Adequado? Observações
PDF Oxide Sim Melhor qualidade de extração, 100% de taxa de aprovação, ordem de leitura, metadados de fonte
pdf_extract Parcial Extração básica, 91.5% de taxa de aprovação
lopdf Não Sem extração de texto
printpdf Não Não pode ler PDFs
pdf-rs Parcial Análise básica, sem extração de texto de alto nível

“Preciso criar PDFs”

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

“Preciso editar PDFs existentes”

Crate Adequado? Observações
PDF Oxide Sim Edição tipo DOM, anotações, formulários
lopdf Parcial Manipulação de objetos de baixo nível
printpdf Não Não pode ler PDFs
pdf-rs Não Somente leitura

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

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

Quando Usar Cada Uma

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

Escolha lopdf se você precisa de manipulação de estrutura PDF de baixo nível e está confortável trabalhando diretamente com a especificação PDF. Bom 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 compatível 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 requer alta confiabilidade ou suporte a layouts complexos.

Páginas Relacionadas