Skip to content
PDF Oxide

Найкраща PDF-бібліотека для Python у 2026

PDF Oxide у порівнянні з PyMuPDF (fitz), pypdfium2, pypdf, pdfplumber, pdfminer та іншими. На цій сторінці зібрано продуктивність, охоплення функцій, ліцензування та відмінності API — щоб ви обрали відповідну PDF-бібліотеку Python для видобування тексту.

Стисло

PDF Oxide PyMuPDF pypdfium2 pypdf pdfplumber pdfminer
Середній час видобування 0,8ms 4,6ms 4,1ms 12,1ms 23,2ms 16,8ms
Відсоток успіху (3 830 PDF) 100% 99,3% 99,2% 98,4% 98,8% 98,8%
Ліцензія MIT AGPL-3.0 Apache-2.0 BSD-3 MIT MIT
Мова реалізації Rust + PyO3 C (MuPDF) C (PDFium) Чистий Python Чистий Python Чистий Python
Видобування тексту Так Так Так Так Так Так
Позиції символів Так Так Так Частково Так Так
Видобування зображень Так Так Так Так Ні Ні
Поля форм Читання + запис Читання + запис Лише читання Читання + запис Лише читання Ні
Створення PDF Так Так Ні Обмежено Ні Ні
Редагування PDF Так Так Ні Так Ні Ні
Вивід у Markdown Так Ні Ні Ні Ні Ні
Вивід у HTML Так Ні Ні Ні Ні Ні
Шифрування Читання + запис Читання + запис Лише читання Читання + запис Ні Ні
Перевірка PDF/A Так Ні Ні Ні Ні Ні
Рендеринг Так Так Так Ні Ні Ні
Пошук Regex + просторовий Так Так Ні Ні Ні
Версії Python 3.8–3.14 3.8–3.12 3.8+ 3.6+ 3.8+ 3.6+
Розмір установки ~5 МБ wheel ~20 МБ wheel ~3 МБ wheel ~1 МБ ~1 МБ ~1 МБ

Порівняння продуктивності

Середній час видобування тексту на один PDF, заміряний на повному корпусі з 3 830 PDF — трьох незалежних публічних наборах тестів, які разом охоплюють усі версії специфікації PDF (1.0–2.0), зашифровані файли, пошкоджені документи, CJK-кодування, складні макети та безпекові граничні випадки. Докладніше про склад корпусу — у деталях: там ви побачите, що перевіряє кожен набір і чому результати відтворювані.

Бібліотека Середнє Відносно p99 Відсоток успіху
PDF Oxide 0,8ms 1× 9ms 100%
PyMuPDF 4,6ms 5,8× 28ms 99,3%
pypdfium2 4,1ms 5,1× 42ms 99,2%
pymupdf4llm 55,5ms 69× 280ms 99,1%
pdftext 7,3ms 9,1× 82ms 99,0%
pdfminer 16,8ms 21× 124ms 98,8%
pdfplumber 23,2ms 29× 189ms 98,8%
markitdown 108,8ms 136× 378ms 98,6%
pypdf 12,1ms 15,1× 97ms 98,4%

Таку швидкість PDF Oxide забезпечує нативне Rust-ядро, зібране в розширення Python через PyO3. Немає ані накладних витрат на підпроцеси, ані мосту до C-бібліотеки — Rust-код виконується безпосередньо в процесі Python.

Надійність

PDF Oxide обробляє 3 823 з 3 823 валідних PDF без збоїв — відсоток успіху 100 %. Сім файлів із корпусу 3 830, які не проходять, — це навмисно поламані тестові фікстури (відсутній заголовок PDF, пошкоджені фазингом каталоги, неправильні xref-потоки).

Бібліотека Пройдено валідних PDF Відсоток успіху
PDF Oxide 3 823 / 3 823 100%
PyMuPDF 3 796 / 3 823 99,3%
pypdfium2 3 792 / 3 823 99,2%
pymupdf4llm 3 787 / 3 823 99,1%
pdftext 3 784 / 3 823 99,0%
pdfminer 3 777 / 3 823 98,8%
pdfplumber 3 777 / 3 823 98,8%
markitdown 3 771 / 3 823 98,6%
pypdf 3 762 / 3 823 98,4%

Якість тексту

PDF Oxide досягає 99,5 % збігу тексту з PyMuPDF та pypdfium2 на всьому корпусі. Якість виміряна посимвольним порівнянням видобутого тексту. Решта 0,5 % розбіжностей припадає на нормалізацію пробілів і обробку лігатур — у цих моментах PDF Oxide дає чистіший результат.

Порівняння ліцензій

Бібліотека Ліцензія Комерційне використання Копілефт
PDF Oxide MIT Без обмежень Ні
pypdfium2 Apache-2.0 Без обмежень Ні
PyMuPDF AGPL-3.0 Потрібна комерційна ліцензія ($) Так
pypdf BSD-3 Без обмежень Ні
pdfplumber MIT Без обмежень Ні
pdfminer MIT Без обмежень Ні
pdftext GPL-3.0 Потрібне відкриття коду Так

PyMuPDF використовує MuPDF під ліцензією AGPL-3.0. Якщо ви поширюєте програму, що звертається до PyMuPDF, її теж доведеться публікувати під AGPL-3.0 — або купувати комерційну ліцензію в Artifex. Це стосується SaaS-продуктів, вебзастосунків і будь-яких розповсюджуваних бінарників.

PDF Oxide поширюється під MIT без обмежень. Використовуйте його у власних продуктах, SaaS-платформах чи застосунках із закритим кодом — без ліцензійних зобов’язань.

Сценарій PDF Oxide (MIT) PyMuPDF (AGPL) pypdfium2 (Apache) pypdf (BSD) pdfplumber (MIT) pdfminer (MIT)
Комерційний продукт Так Потрібна ліцензія Так Так Так Так
Закритий код Так Ні (без ліцензії) Так Так Так Так
SaaS/хмара Так Потрібна ліцензія Так Так Так Так
Внутрішні інструменти Так Так Так Так Так Так

Порівняння API

Видобування тексту

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)

pypdf:

from pypdf import PdfReader

reader = PdfReader("report.pdf")
page = reader.pages[0]
text = page.extract_text()
print(text)

pdfplumber:

import pdfplumber

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    text = page.extract_text()
    print(text)

pdfminer:

from pdfminer.high_level import extract_text

text = extract_text("report.pdf", page_numbers=[0])
print(text)

Видобування на рівні символів

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("report.pdf")
chars = doc.extract_chars(0)
for ch in chars:
    print(f"'{ch.char}' at ({ch.bbox[0]:.1f}, {ch.bbox[1]:.1f}) "
          f"size={ch.font_size:.1f}")

PyMuPDF:

import fitz

doc = fitz.open("report.pdf")
page = doc[0]
blocks = page.get_text("dict")["blocks"]
for block in blocks:
    if "lines" in block:
        for line in block["lines"]:
            for span in line["spans"]:
                print(f"'{span['text']}' size={span['size']:.1f}")

pdfplumber:

import pdfplumber

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    for char in page.chars:
        print(f"'{char['text']}' at ({char['x0']:.1f}, {char['top']:.1f}) "
              f"size={char['size']:.1f}")

pdfminer:

from pdfminer.high_level import extract_pages
from pdfminer.layout import LTChar

for page_layout in extract_pages("report.pdf"):
    for element in page_layout:
        if hasattr(element, '__iter__'):
            for text_line in element:
                if hasattr(text_line, '__iter__'):
                    for char in text_line:
                        if isinstance(char, LTChar):
                            print(f"'{char.get_text()}' at ({char.x0:.1f}, {char.y0:.1f}) "
                                  f"size={char.size:.1f}")

Видобування зображень

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"])

pypdf:

from pypdf import PdfReader

reader = PdfReader("report.pdf")
page = reader.pages[0]
for i, image in enumerate(page.images):
    with open(f"image_{i}.{image.name.split('.')[-1]}", "wb") as f:
        f.write(image.data)

Створення PDF

PDF Oxide:

from pdf_oxide import Pdf

pdf = Pdf.from_markdown("# Hello World\n\nThis is a PDF.")
pdf.save("output.pdf")

# Також підтримується HTML
pdf = Pdf.from_html("<h1>Hello</h1><p>World</p>")
pdf.save("output.pdf")

PyMuPDF:

import fitz

doc = fitz.open()
page = doc.new_page()
text_point = fitz.Point(72, 72)
page.insert_text(text_point, "Hello World", fontsize=24)
doc.save("output.pdf")

pypdf:

# pypdf уміє об’єднувати та змінювати PDF, але не створювати документ із текстом з нуля.
# Створюйте PDF у reportlab чи fpdf2, а потім об’єднуйте за допомогою pypdf.

Зашифровані PDF

PDF Oxide:

from pdf_oxide import PdfDocument

doc = PdfDocument("encrypted.pdf", password="password")
text = doc.extract_text(0)

PyMuPDF:

import fitz

doc = fitz.open("encrypted.pdf")
doc.authenticate("password")
page = doc[0]
text = page.get_text()

pypdf:

from pypdf import PdfReader

reader = PdfReader("encrypted.pdf")
reader.decrypt("password")
text = reader.pages[0].extract_text()

Вивід у Markdown та HTML

PDF Oxide (унікальна можливість):

from pdf_oxide import PdfDocument

doc = PdfDocument("paper.pdf")

# Конвертація в Markdown з розпізнаванням заголовків
md = doc.to_markdown(0, detect_headings=True)
print(md)

# Конвертація в HTML
html = doc.to_html(0)
print(html)

Жодна інша PDF-бібліотека для Python не має вбудованої конвертації в Markdown чи HTML.

Профілі бібліотек

PDF Oxide

Переваги:

  • Найшвидше видобування тексту в бенчмарках завдяки Rust-ядру — у 5,8× швидше за PyMuPDF
  • 100 % успіху на корпусі з 3 830 PDF — найвища надійність серед протестованих бібліотек
  • Єдиний API для видобування, створення та редагування в одній бібліотеці
  • Вбудований експорт у Markdown і HTML із розпізнаванням заголовків
  • Ліцензія MIT без копілефт-обмежень
  • Нативна перевірка відповідності (PDF/A, PDF/UA, PDF/X)
  • Готові wheel-збірки для основних платформ та Python 3.8–3.14
  • Без системних залежностей — у wheel є все потрібне

Обмеження:

  • Молодша бібліотека з меншою спільнотою
  • Видобування таблиць простіше за алгоритми pdfplumber
  • Рушій рендерингу менш зрілий, ніж MuPDF

PyMuPDF (fitz)

Переваги:

  • Зріла й перевірена в бою (на основі MuPDF, розвивається з 2005 року)
  • Чудова якість рендерингу на складних PDF
  • Вбудована інтеграція OCR (Tesseract)
  • Багатий набір можливостей: експорт SVG, маніпуляції зі сторінками, розпізнавання таблиць

Обмеження:

  • Ліцензія AGPL-3.0 вимагає відкривати вихідний код застосунку або купувати комерційну ліцензію
  • Великий wheel (~20 МБ) через вбудований MuPDF
  • Немає вбудованого експорту в Markdown
  • Немає перевірки відповідності

pypdfium2

Переваги:

  • Швидка (на рушії PDFium від Google)
  • Ліцензія Apache-2.0 — дозвільна для комерційного використання
  • Гарна якість рендерингу

Обмеження:

  • Обмежений API видобування тексту порівняно з PDF Oxide чи PyMuPDF
  • Немає створення та редагування PDF
  • Поля форм підтримуються лише на читання

pypdf

Переваги:

  • Чистий Python — ставиться будь-де, без нативних залежностей
  • Легка й активно підтримувана
  • Добре підходить для маніпуляцій із PDF (об’єднання, розрізання, поворот, шифрування)
  • Велика спільнота й докладна документація

Обмеження:

  • У 15× повільніша за PDF Oxide на видобуванні тексту
  • Якість видобування погіршується на складних макетах
  • Немає рендерингу, експорту в Markdown/HTML, розпізнавання таблиць

pdfplumber

Переваги:

  • Найкраще розпізнавання таблиць серед PDF-бібліотек Python
  • Чудові дані про позиції на рівні символів
  • Візуальні засоби діагностики (анотовані зображення сторінок)
  • Ліцензія MIT

Обмеження:

  • Чистий Python — у 29× повільніша за PDF Oxide
  • Лише читання — без створення та редагування PDF
  • Немає шифрування та рендерингу

pdfminer

Переваги:

  • Докладний аналіз символів і розкладки
  • Хороша підтримка CJK-тексту
  • Основа для pdfplumber та інших інструментів
  • Ліцензія MIT

Обмеження:

  • У 21× повільніша за PDF Oxide (чистий Python без оптимізацій)
  • Лише читання, без створення й редагування
  • Багатослівний API для типових задач
  • Менш активна підтримка

Коли що використовувати

Сценарій Рекомендована бібліотека
Швидке видобування тексту PDF Oxide
Комерційний / пропрієтарний продукт PDF Oxide, pypdfium2, pypdf, pdfplumber чи pdfminer
MIT-альтернатива PyMuPDF PDF Oxide
Створення PDF із Markdown/HTML PDF Oxide
Перевірка відповідності (PDF/A, PDF/X) PDF Oxide
Розпізнавання таблиць у рахунках pdfplumber
Візуальна діагностика видобування pdfplumber
Є наявні вкладення в MuPDF PyMuPDF (якщо AGPL сумісний)
Мінімум залежностей pypdf (чистий Python)
Докладний аналіз розкладки pdfminer
OCR сканованих документів PyMuPDF

Встановлення

# PDF Oxide
pip install pdf_oxide

# PyMuPDF
pip install pymupdf

# pypdfium2
pip install pypdfium2

# pypdf
pip install pypdf

# pdfplumber
pip install pdfplumber

# pdfminer
pip install pdfminer.six

PDF Oxide постачає готові wheel для Linux (x86_64, aarch64), macOS (x86_64, arm64) і Windows (x86_64). Компілятор чи системні бібліотеки не потрібні.

Пов’язані сторінки