Skip to content
PDF Oxide

Começando com PDF Oxide (WASM)

O PDF Oxide compila para WebAssembly e roda em navegadores, Deno, Bun e runtimes edge como Cloudflare Workers e Vercel Edge. O mesmo núcleo em Rust que alimenta os bindings de Python, Rust, Node.js, Go e C# funciona direto em qualquer ambiente JavaScript com performance próxima da nativa.

Está usando Node.js? No lado do servidor, prefira o addon nativo N-API pdf-oxide: é mais rápido e já traz OCR, renderização e assinaturas. O build WASM desta página é a escolha certa para navegadores e runtimes edge onde addons nativos não podem ser carregados.

Instalação

npm install pdf-oxide-wasm

import { WasmPdfDocument, WasmPdf } from "pdf-oxide-wasm";

Início rápido

Node.js

import { readFileSync } from "fs";
import { WasmPdfDocument } from "pdf-oxide-wasm";

const bytes = new Uint8Array(readFileSync("document.pdf"));
const doc = new WasmPdfDocument(bytes);

console.log(`Pages: ${doc.pageCount()}`);
console.log(doc.extractText(0));

doc.free();

<script type="module">
import init, { WasmPdfDocument } from "pdf-oxide-wasm";

await init();

const response = await fetch("document.pdf");
const bytes = new Uint8Array(await response.arrayBuffer());
const doc = new WasmPdfDocument(bytes);

console.log(`Pages: ${doc.pageCount()}`);
console.log(doc.extractText(0));
doc.free();
</script>

<input type="file" id="pdfInput" accept=".pdf" />
<pre id="output"></pre>

<script type="module">
import init, { WasmPdfDocument } from "pdf-oxide-wasm";
await init();

document.getElementById("pdfInput").addEventListener("change", async (e) => {
  const file = e.target.files[0];
  const bytes = new Uint8Array(await file.arrayBuffer());
  const doc = new WasmPdfDocument(bytes);

  let result = `Pages: ${doc.pageCount()}\n\n`;
  for (let i = 0; i < doc.pageCount(); i++) {
    result += `--- Page ${i + 1} ---\n`;
    result += doc.extractText(i) + "\n\n";
  }

  document.getElementById("output").textContent = result;
  doc.free();
});
</script>

Extração de texto

Uma página

const doc = new WasmPdfDocument(bytes);
const text = doc.extractText(0);

Todas as páginas

const allText = doc.extractAllText();

Extração estruturada

Dados por caractere e por span com posições e metadados de fonte:

// Dados por caractere
const chars = doc.extractChars(0);
for (const c of chars) {
  console.log(`'${c.char}' at (${c.bbox.x}, ${c.bbox.y}) font=${c.fontName}`);
}

// Dados por span
const spans = doc.extractSpans(0);
for (const span of spans) {
  console.log(`"${span.text}" size=${span.fontSize}`);
}

Conversão para Markdown

const markdown = doc.toMarkdown(0);

// Com opções
const md = doc.toMarkdown(0, true, true); // detect_headings, include_images

// Todas as páginas
const allMarkdown = doc.toMarkdownAll();

Conversão para HTML

const html = doc.toHtml(0);

// Todas as páginas
const allHtml = doc.toHtmlAll();

Criação de PDF

Crie novos PDFs a partir de Markdown, HTML ou texto puro usando WasmPdf:

import { WasmPdf } from "pdf-oxide-wasm";

// A partir de Markdown
const pdf = WasmPdf.fromMarkdown("# Hello World\n\nThis is a PDF.");
const pdfBytes = pdf.toBytes(); // Uint8Array

// A partir de HTML
const invoice = WasmPdf.fromHtml("<h1>Invoice</h1><p>Amount: $42</p>");

// A partir de texto puro
const notes = WasmPdf.fromText("Plain text content.");

// Salvar em arquivo (Node.js)
import { writeFileSync } from "fs";
writeFileSync("output.pdf", pdf.toBytes());

Campos de formulário

const fields = doc.getFormFields();
for (const f of fields) {
  console.log(`${f.name} (${f.fieldType}) = ${f.value}`);
}

// Exportar dados do formulário
const fdfBytes = doc.exportFormData();        // formato FDF
const xfdfBytes = doc.exportFormData("xfdf"); // formato XFDF

Busca

// Buscar em todas as páginas
const results = doc.search("configuration", true); // case_insensitive
for (const r of results) {
  console.log(`Found "${r.text}" on page ${r.page}`);
}

// Buscar em uma página
const pageResults = doc.searchPage(0, "configuration", true);

Abrir a partir de bytes

O construtor de WasmPdfDocument já aceita um Uint8Array direto — não existe um método from_bytes separado:

// Já funciona — WasmPdfDocument recebe os bytes
const doc = new WasmPdfDocument(uint8Array);

PDFs criptografados

const doc = new WasmPdfDocument(encryptedBytes);
const success = doc.authenticate("password");
if (success) {
  console.log(doc.extractText(0));
}

Edição

const doc = new WasmPdfDocument(bytes);

// Metadados
doc.setTitle("Updated Title");
doc.setAuthor("Jane Doe");

// Rotação de página
doc.rotatePage(0, 90);

// Salvar com alterações
const edited = doc.save();

// Salvar criptografado
const encrypted = doc.saveEncryptedToBytes(
  "user-password",
  "owner-password",
  true,   // allow_print
  true,   // allow_copy
  false,  // allow_modify
  true    // allow_annotate
);

Gerenciamento de memória

Objetos WASM mantêm memória do Rust e precisam ser liberados explicitamente:

const doc = new WasmPdfDocument(bytes);
try {
  const text = doc.extractText(0);
} finally {
  doc.free();
}

Disponibilidade de recursos

Alguns recursos exigem dependências nativas e não estão disponíveis no build WebAssembly:

Recurso WASM Observações
Extração de texto Sim Suporte completo
Criação de PDF Sim Markdown, HTML, texto
Edição de PDF Sim Suporte completo
Criptografia Sim AES-256
OCR Não Requer ONNX Runtime nativo
Assinaturas digitais Não Requer bibliotecas nativas de criptografia
Renderização de páginas Não Requer tiny-skia nativo

Para OCR ou renderização, use os bindings de Python ou Rust.

Próximos passos