Skip to content
PDF Oxide

PDF Oxide vs lopdf

lopdf — низкоуровневый Rust-крейт для прямой работы с PDF-объектами, без встроенного извлечения текста и рендеринга. PDF Oxide — высокоуровневая библиотека, в которой извлечение, создание и редактирование уже готовы. Эти крейты закрывают принципиально разные задачи.

Ключевые отличия

Уровень абстракции. lopdf даёт доступ к сырым PDF-объектам — словарям, потокам и таблицам перекрёстных ссылок. Нет ни извлечения текста, ни декодирования шрифтов, ни экспорта изображений. PDF Oxide предоставляет готовые методы: extract_text(), extract_images(), to_markdown().

Надёжность. lopdf не может распарсить 20% тестового корпуса из 3 830 PDF. Из тех, что парсятся, 57% дают пустой результат, потому что lopdf не извлекает текст — вы получаете объекты, но не текст. PDF Oxide проходит 100%.

Скорость на парсируемых PDF. lopdf быстрее при сыром парсинге объектов: 0.3 мс против 0.8 мс у PDF Oxide. Но lopdf не выполняет работу по извлечению текста — декодирование шрифтов, разрешение CMap, анализ пробелов и определение порядка чтения вам придётся реализовать самостоятельно.

Краткое сравнение

PDF Oxide lopdf
Уровень API Высокоуровневый Низкоуровневый
Извлечение текста Встроенное (production-уровня) Нет
Успешность (3,830 PDF) 100% 80.2%
Среднее время парсинга 0.8 мс 0.3 мс
Извлечение изображений Встроенное Вручную (сырые потоки)
Поля форм Чтение + запись Вручную (сырые словари)
Создание PDF Да (Markdown/HTML) Да (сырые объекты)
Вывод в Markdown/HTML Да Нет
Шифрование Чтение + запись Нет
Рендеринг Да Нет
Валидация PDF/A Да Нет
Лицензия MIT MIT

Чего lopdf не может

lopdf предоставляет доступ к PDF-объектам, но извлечение текста требует интерпретации этих объектов согласно спецификации PDF. Вот что вам придётся реализовать самостоятельно:

  1. Парсинг потока контента — разбор PostScript-подобных операторов (Tj, TJ, Tm, Tf и т. д.)
  2. Разрешение шрифтов — поиск ресурсов /Font, разрешение косвенных ссылок
  3. Декодирование CMap/ToUnicode — преобразование идентификаторов глифов в символы Unicode
  4. Пробелы на основе метрик шрифтов — расчёт ширин символов из дескрипторов шрифтов
  5. Преобразования текстовой матрицы — применение операторов Tm, Td, T* для позиционирования текста
  6. Порядок чтения — определение правильного порядка для многоколоночных макетов
  7. Реконструкция лигатур — обработка лигатур fi, fl, ffi
  8. Кодировка CJK — декодирование кодировок китайского, японского и корейского текста

Это тысячи строк кода и глубокое знание ISO 32000. PDF Oxide обрабатывает всё это внутренне.

Сравнение кода

Извлечение текста

PDF Oxide:

use pdf_oxide::PdfDocument;

let mut doc = PdfDocument::open("report.pdf")?;
let text = doc.extract_text(0)?;
println!("{}", text);

lopdf:

use lopdf::Document;

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

// lopdf не предоставляет извлечения текста.
// Вы получаете доступ только к PDF-объектам:
let page_id = doc.page_iter().next().unwrap();
let page = doc.get_dictionary(page_id)?;
let contents = page.get("Contents")?;
let stream = doc.get_object(contents.as_reference()?)?;

// Чтобы получить текст, вам потребуется:
// 1. Разобрать операторы потока контента
// 2. Разрешить ссылки на шрифты из /Resources
// 3. Декодировать маппинги CMap/ToUnicode
// 4. Применить преобразования текстовой матрицы
// 5. Обработать различия кодировок
// ... (сотни и тысячи строк кода)

Создание PDF

PDF Oxide:

use pdf_oxide::api::Pdf;

let pdf = Pdf::from_markdown("# Report\n\n| Q1 | Q2 |\n|---|---|\n| $1M | $2M |")?;
pdf.save("report.pdf")?;

lopdf:

use lopdf::{Document, Object, Stream, dictionary};

let mut doc = Document::with_version("1.5");

// Создание словаря шрифта
let font_id = doc.add_object(dictionary! {
    "Type" => "Font",
    "Subtype" => "Type1",
    "BaseFont" => "Helvetica",
});

// Создание ресурсов
let resources_id = doc.add_object(dictionary! {
    "Font" => dictionary! { "F1" => font_id },
});

// Создание потока контента (сырые PostScript-операторы)
let content = Stream::new(
    dictionary! {},
    b"BT /F1 12 Tf 72 720 Td (Hello World) Tj ET".to_vec(),
);
let content_id = doc.add_object(content);

// Создание страницы
let page_id = doc.add_object(dictionary! {
    "Type" => "Page",
    "MediaBox" => vec![0.into(), 0.into(), 612.into(), 792.into()],
    "Contents" => content_id,
    "Resources" => resources_id,
});

// Связывание дерева страниц
let pages_id = doc.add_object(dictionary! {
    "Type" => "Pages",
    "Kids" => vec![page_id.into()],
    "Count" => 1,
});
doc.add_object(dictionary! {
    "Type" => "Catalog",
    "Pages" => pages_id,
});

doc.save("report.pdf")?;

Зашифрованные PDF

PDF Oxide:

use pdf_oxide::PdfDocument;

let doc = PdfDocument::open_with_password("encrypted.pdf", "secret")?;
let text = doc.extract_text(0)?;
println!("{}", text);

lopdf:

// lopdf не поддерживает зашифрованные PDF.
// Загрузка зашифрованного PDF завершится ошибкой или вернёт нерасшифрованные потоки.

Сравнение надёжности

Метрика PDF Oxide lopdf
PDF успешно распарсены 3,823 / 3,823 (100%) 3,071 / 3,823 (80.2%)
PDF с текстовым выводом 3,823 / 3,823 ~1,320 / 3,823 (оценка)
Поддержка зашифрованных PDF Да Нет
Восстановление повреждённых PDF Да Нет

Успешность lopdf в 80.2% означает, что он не справляется примерно с каждым пятым PDF. Ошибки возникают на зашифрованных документах, PDF с нестандартными таблицами xref и документах с потоками перекрёстных ссылок. PDF Oxide обрабатывает все эти случаи благодаря мягкому парсингу и стратегиям восстановления.

Когда использовать какую библиотеку

Выберите PDF Oxide, если:

  • Вам нужно извлечение текста, изображений или любая операция на уровне контента
  • Вы хотите единый крейт для чтения + записи + создания
  • Вам нужна надёжная обработка всех PDF (зашифрованных, повреждённых, сложных)
  • Вам нужен вывод в Markdown/HTML, рендеринг или OCR
  • Вам нужна валидация соответствия (PDF/A, PDF/X, PDF/UA)

Выберите lopdf, если:

  • Вам нужен прямой доступ к PDF-объектам для специализированной обработки
  • Вы создаёте специализированный PDF-инструмент, работающий на уровне объектов
  • Вам нужно объединять документы, манипулируя деревьями объектов напрямую
  • Ваши PDF простые и корректные (не зашифрованные, стандартные таблицы xref)

Комбинируйте обе:

PDF Oxide для высокоуровневых операций, lopdf для граничных случаев, требующих доступа к сырым объектам:

[dependencies]
pdf_oxide = "0.3"
lopdf = "0.32"

Связанные страницы