Skip to content
PDF Oxide

PDF Oxide vs PyMuPDF

O PDF Oxide é a alternativa ao PyMuPDF com licença MIT: 5,8× mais rápido e sem o custo de conformidade que a AGPL impõe. Se você está avaliando o PyMuPDF para um produto comercial ou pensando em substituí-lo por causa do licenciamento, esta página cobre as diferenças que importam.

Por que as equipes estão migrando do PyMuPDF

Licença. O PyMuPDF empacota o MuPDF sob AGPL-3.0. Se você distribui software que inclui o PyMuPDF — SaaS, aplicação web ou imagem Docker, sem exceção — precisa abrir todo o código sob AGPL ou comprar uma licença comercial da Artifex. O PDF Oxide é MIT, sem amarras.

Velocidade. O PDF Oxide extrai texto em média de 0,8 ms; o PyMuPDF, em 4,6 ms. Sobre 3 830 PDFs, é uma diferença de 5,8×.

Confiabilidade. No mesmo corpus, o PDF Oxide passa 100 %. O PyMuPDF fica em 99,3 % e falha em 27 PDFs válidos.

Comparativo rápido

PDF Oxide PyMuPDF
Licença MIT AGPL-3.0
Tempo médio de extração 0,8 ms 4,6 ms
Taxa de sucesso (3 830 PDFs) 100 % 99,3 %
Extração de texto Sim Sim
Posições de caracteres Sim Sim
Extração de imagens Sim Sim
Campos de formulário Ler + escrever Ler + escrever
Criação de PDF Sim (Markdown/HTML) Sim
Saída Markdown Sim Não
Saída HTML Sim Não
Criptografia Ler + escrever Ler + escrever
Renderização Sim Sim
OCR Embutido (PaddleOCR) Tesseract
Tamanho de instalação ~5 MB ~20 MB
Versões de Python 3.8–3.14 3.8–3.12

Código lado a lado

Extração de texto

PDF Oxide:

from pdf_oxide import PdfDocument

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

PyMuPDF:

import fitz

doc = fitz.open("report.pdf")
page = doc[0]
text = page.get_text()
print(text)

Conversão para Markdown

PDF Oxide (embutido):

from pdf_oxide import PdfDocument

doc = PdfDocument("paper.pdf")
md = doc.to_markdown(0, detect_headings=True)
print(md)

PyMuPDF:

# O PyMuPDF não tem conversão para Markdown.
# Usa-se pymupdf4llm (pacote separado, 69x mais lento que o PDF Oxide):
import pymupdf4llm

md = pymupdf4llm.to_markdown("paper.pdf")

Extração de imagens

PDF Oxide:

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"])

PyMuPDF:

import fitz

doc = fitz.open("report.pdf")
page = doc[0]
for i, img in enumerate(page.get_images()):
    xref = img[0]
    base_image = doc.extract_image(xref)
    with open(f"image_{i}.{base_image['ext']}", "wb") as f:
        f.write(base_image["image"])

Criar PDF a partir de Markdown

PDF Oxide:

from pdf_oxide import Pdf

pdf = Pdf.from_markdown("# Invoice\n\n| Item | Price |\n|------|-------|\n| Widget | $9.99 |")
pdf.save("invoice.pdf")

PyMuPDF:

import fitz

# O PyMuPDF não gera PDFs a partir de Markdown.
# Você precisa posicionar o texto manualmente nas páginas:
doc = fitz.open()
page = doc.new_page()
page.insert_text(fitz.Point(72, 72), "Invoice", fontsize=24)
doc.save("invoice.pdf")

Detalhes do benchmark

Medido sobre 3 830 PDFs vindos de três suítes de teste públicas e independentes (veraPDF, Mozilla pdf.js, DARPA SafeDocs).

Métrica PDF Oxide PyMuPDF
Tempo médio de extração 0,8 ms 4,6 ms
Tempo p99 9 ms 28 ms
Taxa de sucesso (PDFs válidos) 100 % (3 823/3 823) 99,3 % (3 796/3 823)
Paridade de qualidade do texto 99,5 % Referência

Veja a metodologia completa do benchmark para detalhes do corpus e passos de reprodução.

AGPL: o que isso significa na prática

O PyMuPDF encapsula o MuPDF, que está sob AGPL-3.0. Isso afeta você se:

  • Distribui software que usa PyMuPDF (binários, imagens Docker, apps Electron)
  • Opera um SaaS em que o PyMuPDF processa PDFs de usuários nos seus servidores
  • Embute o PyMuPDF em um produto — inclusive como microsserviço atrás de uma API

Em qualquer desses cenários, a AGPL exige que você libere todo o código da sua aplicação sob AGPL-3.0 — ou compre uma licença comercial da Artifex.

O PDF Oxide é MIT. Use em qualquer projeto — comercial, proprietário, SaaS ou open source — sem obrigações extras.

Caso de uso PDF Oxide (MIT) PyMuPDF (AGPL)
Produto comercial Sim Requer licença
SaaS de código fechado Sim Requer licença
Ferramentas internas Sim Sim
Projeto open source Sim Sim (se for compatível com AGPL)
Distribuição via Docker Sim Requer licença

Preço da licença comercial do PyMuPDF

A Artifex (empresa por trás do MuPDF e do PyMuPDF) não publica tabela de preços. Segundo relatos do mercado:

  • Exige contato — é preciso solicitar um orçamento ao time comercial da Artifex
  • Licença por aplicação — o preço varia conforme o tipo de implantação e a escala
  • Mensalidade anual — licenças comerciais costumam ser renovadas todos os anos
  • Sem plano gratuito — a AGPL não prevê exceção para “comunidade” ou “startup”

Para quem avalia o PyMuPDF com finalidade comercial, a licença é um custo operacional contínuo que se soma ao tempo de desenvolvimento.

O PDF Oxide é MIT — gratuito para qualquer uso, para sempre. Sem ligações de venda, sem auditoria de licença, sem risco de compliance. Use em SaaS, distribua em Docker, embuta em produtos comerciais — sem restrições.

Guia de migração

Mapeamento de APIs

Tarefa PyMuPDF PDF Oxide
Abrir PDF fitz.open("f.pdf") PdfDocument("f.pdf")
Número de páginas doc.page_count doc.page_count()
Extrair texto doc[0].get_text() doc.extract_text(0)
Dados por caractere doc[0].get_text("dict") doc.extract_chars(0)
Extrair imagens doc[0].get_images() + doc.extract_image(xref) doc.extract_images(0)
Buscar texto doc[0].search_for("query") doc.search_page(0, "query")
PDF criptografado doc.authenticate("pw") PdfDocument("f.pdf", password="pw")
Para Markdown pymupdf4llm (separado) doc.to_markdown(0)
Criar a partir de texto insert_text() manual Pdf.from_markdown("# Título")

Passo a passo

  1. Instale: pip install pdf_oxide
  2. Troque os imports: import fitz → from pdf_oxide import PdfDocument
  3. Troque a abertura: fitz.open(path) → PdfDocument(path)
  4. Troque a extração: page.get_text() → doc.extract_text(page_index)
  5. Troque as imagens: lookup de xref em vários passos → doc.extract_images(page_index)
  6. Ajuste a senha: use PdfDocument(path, password="pw") ou chame doc.authenticate("pw") depois de abrir
  7. Teste: rode sua pipeline sobre os arquivos de teste que você já tem

Quando continuar no PyMuPDF

  • Você já tem uma licença comercial do MuPDF e depende da renderização específica dele
  • Precisa exportar para SVG (o PDF Oxide não gera SVG)
  • O seu projeto já é AGPL

Páginas relacionadas