Skip to content
PDF Oxide

PDF Oxide vs PyMuPDF

PDF Oxide — альтернатива PyMuPDF с лицензией MIT: в 5,8 раза быстрее и без AGPL-груза в части комплаенса. Если вы выбираете PyMuPDF для коммерческого проекта или планируете уйти с него из-за лицензии, здесь собраны ключевые отличия.

Почему команды уходят с PyMuPDF

Лицензия. PyMuPDF оборачивает MuPDF под AGPL-3.0. Распространяете ПО с PyMuPDF — включая SaaS, веб-приложения и Docker-контейнеры — извольте открыть свой код по AGPL либо покупайте коммерческую лицензию у Artifex. PDF Oxide распространяется под MIT и не накладывает таких обязательств.

Скорость. PDF Oxide извлекает текст в среднем за 0,8 мс, PyMuPDF — за 4,6 мс. На выборке из 3 830 PDF это разница в 5,8 раза.

Надёжность. На том же корпусе PDF Oxide проходит 100 %, PyMuPDF — 99,3 % (27 падений на валидных PDF).

Краткое сравнение

PDF Oxide PyMuPDF
Лицензия MIT AGPL-3.0
Среднее время извлечения 0,8 мс 4,6 мс
Процент успехов (3 830 PDF) 100 % 99,3 %
Извлечение текста Да Да
Позиции символов Да Да
Извлечение изображений Да Да
Поля форм Чтение + запись Чтение + запись
Создание PDF Да (Markdown/HTML) Да
Вывод в Markdown Да Нет
Вывод в HTML Да Нет
Шифрование Чтение + запись Чтение + запись
Рендеринг Да Да
OCR Встроенный (PaddleOCR) Tesseract
Размер установки ~5 МБ ~20 МБ
Версии Python 3.8–3.14 3.8–3.12

Код рядом

Извлечение текста

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)

Конвертация в Markdown

PDF Oxide (встроено):

from pdf_oxide import PdfDocument

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

PyMuPDF:

# В PyMuPDF нет встроенной конвертации в Markdown.
# Используйте pymupdf4llm (отдельный пакет, в 69 раз медленнее PDF Oxide):
import pymupdf4llm

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

Извлечение изображений

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"])

Создание PDF из 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

# PyMuPDF не умеет собирать PDF из Markdown.
# Текст придётся расставлять по странице вручную:
doc = fitz.open()
page = doc.new_page()
page.insert_text(fitz.Point(72, 72), "Invoice", fontsize=24)
doc.save("invoice.pdf")

Детали бенчмарка

Замеры на 3 830 PDF из трёх независимых публичных наборов (veraPDF, Mozilla pdf.js, DARPA SafeDocs).

Метрика PDF Oxide PyMuPDF
Среднее время извлечения 0,8 мс 4,6 мс
Время p99 9 мс 28 мс
Процент успехов (валидные PDF) 100 % (3 823/3 823) 99,3 % (3 796/3 823)
Паритет качества текста 99,5 % Базовая линия

Подробнее о корпусе и шагах воспроизведения — в полной методологии бенчмарка.

Что значит AGPL на практике

PyMuPDF — обёртка над MuPDF, а MuPDF лицензирован по AGPL-3.0. Это касается вас, если:

  • Вы распространяете ПО с PyMuPDF (бинарники, Docker-образы, Electron-приложения)
  • Вы держите SaaS, где PyMuPDF обрабатывает PDF пользователей на ваших серверах
  • Вы встраиваете PyMuPDF в продукт — в том числе как микросервис за API

Во всех этих случаях AGPL требует открыть весь исходный код приложения под AGPL-3.0 — либо купить коммерческую лицензию у Artifex.

PDF Oxide — MIT. Применяйте его в любом проекте — коммерческом, проприетарном, SaaS или open source — без обязательств.

Сценарий PDF Oxide (MIT) PyMuPDF (AGPL)
Коммерческий продукт Да Нужна лицензия
SaaS с закрытым кодом Да Нужна лицензия
Внутренние инструменты Да Да
Проект с открытым кодом Да Да (если проект AGPL-совместим)
Раздача в Docker Да Нужна лицензия

Стоимость коммерческой лицензии PyMuPDF

Artifex (компания, стоящая за MuPDF и PyMuPDF) не публикует прайс на коммерческие лицензии. По отраслевым данным:

  • Нужен запрос — цену придётся уточнять у отдела продаж Artifex
  • Лицензия на приложение — цена зависит от типа развёртывания и масштаба
  • Ежегодная оплата — коммерческие лицензии обычно продлеваются раз в год
  • Бесплатного тарифа нет — у AGPL не предусмотрено исключений для «комьюнити» или «стартапов»

Для команд, выбирающих PyMuPDF для коммерческого использования, лицензия — это постоянная операционная строка бюджета поверх времени разработчиков.

PDF Oxide — MIT, бесплатно для любого применения, навсегда. Никаких звонков от продажников, лицензионных аудитов и рисков комплаенса. SaaS, раздача в Docker, встраивание в коммерческие продукты — без ограничений.

Руководство по миграции

Соответствие API

Задача PyMuPDF PDF Oxide
Открыть PDF fitz.open("f.pdf") PdfDocument("f.pdf")
Количество страниц doc.page_count doc.page_count()
Извлечь текст doc[0].get_text() doc.extract_text(0)
Данные по символам doc[0].get_text("dict") doc.extract_chars(0)
Извлечь изображения doc[0].get_images() + doc.extract_image(xref) doc.extract_images(0)
Поиск текста doc[0].search_for("query") doc.search_page(0, "query")
Зашифрованный PDF doc.authenticate("pw") PdfDocument("f.pdf", password="pw")
В Markdown pymupdf4llm (отдельно) doc.to_markdown(0)
Создание из текста insert_text() вручную Pdf.from_markdown("# Заголовок")

Пошагово

  1. Установите: pip install pdf_oxide
  2. Замените импорты: import fitz → from pdf_oxide import PdfDocument
  3. Замените открытие: fitz.open(path) → PdfDocument(path)
  4. Замените извлечение: page.get_text() → doc.extract_text(page_index)
  5. Замените работу с изображениями: многоступенчатый поиск по xref → doc.extract_images(page_index)
  6. Обновите работу с паролем: используйте PdfDocument(path, password="pw") либо после открытия вызовите doc.authenticate("pw")
  7. Проверьте: прогоните свой пайплайн на существующих тестовых файлах

Когда остаться на PyMuPDF

  • У вас уже есть коммерческая лицензия MuPDF и вы завязаны на его специфический рендеринг
  • Нужен экспорт в SVG (PDF Oxide не выдаёт SVG)
  • Ваш проект сам по себе уже под AGPL

Связанные страницы