Skip to content
PDF Oxide

PDF Oxide vs PyMuPDF

PDF Oxide — альтернатива PyMuPDF з ліцензією MIT: у 5,8 разів швидше й без тягаря, який AGPL кладе на плечі команді з комплаєнсу. Якщо ви оцінюєте PyMuPDF для комерційного продукту або хочете його замінити через ліцензію, тут зібрано ключові відмінності.

Чому команди йдуть із PyMuPDF

Ліцензія. PyMuPDF обгортає MuPDF, який поширюється під AGPL-3.0. Щойно ви розповсюджуєте програмне забезпечення з PyMuPDF — включно з SaaS, вебзастосунками й Docker-контейнерами — доведеться або відкрити власний код під AGPL, або купувати комерційну ліцензію в Artifex. PDF Oxide під MIT, без подібних обмежень.

Швидкість. PDF Oxide у середньому витягує текст за 0,8 мс, PyMuPDF — за 4,6 мс. На вибірці з 3 830 PDF це різниця у 5,8 раза.

Надійність. На тому самому корпусі PDF Oxide дає 100 % успіху, а PyMuPDF — 99,3 % (27 падінь на цілком валідних PDF).

Коротке порівняння

PDF Oxide PyMuPDF
Ліцензія MIT AGPL-3.0
Середній час видобування 0,8 мс 4,6 мс
Частка успіху (3 830 PDF) 100 % 99,3 %
Видобування тексту Так Так
Позиції символів Так Так
Видобування зображень Так Так
Поля форм Читання + запис Читання + запис
Створення PDF Так (Markdown/HTML) Так
Вивід у Markdown Так Ні
Вивід у HTML Так Ні
Шифрування Читання + запис Читання + запис
Рендеринг Так Так
OCR Вбудований (PaddleOCR) Tesseract
Розмір встановлення ~5 МБ ~20 МБ
Версії Python 3.8–3.14 3.8–3.12

Код поруч

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)

Конвертація у Markdown

PDF Oxide (вбудовано):

from pdf_oxide import PdfDocument

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

PyMuPDF:

# У PyMuPDF немає вбудованої конвертації у Markdown.
# Використайте pymupdf4llm (окремий пакет, у 69 разів повільніший за PDF Oxide):
import pymupdf4llm

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

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"])

Створення PDF із 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 вміє будувати PDF із Markdown.
# Текст доведеться розставляти на сторінці вручну:
doc = fitz.open()
page = doc.new_page()
page.insert_text(fitz.Point(72, 72), "Invoice", fontsize=24)
doc.save("invoice.pdf")

Подробиці бенчмарку

Вимірювання на 3 830 PDF із трьох незалежних публічних тестових наборів (veraPDF, Mozilla pdf.js, DARPA SafeDocs).

Метрика PDF Oxide PyMuPDF
Середній час видобування 0,8 мс 4,6 мс
Час p99 9 мс 28 мс
Частка успіху (валідні PDF) 100 % (3 823/3 823) 99,3 % (3 796/3 823)
Паритет якості тексту 99,5 % База

Склад корпусу й кроки відтворення — у повній методології бенчмарку.

Що насправді означає AGPL

PyMuPDF — це обгортка над MuPDF, а MuPDF поширюється під AGPL-3.0. Вас це стосується, якщо:

  • Ви розповсюджуєте ПЗ, що використовує PyMuPDF (бінарники, Docker-образи, Electron-застосунки)
  • Ви тримаєте SaaS, де PyMuPDF обробляє PDF користувачів на ваших серверах
  • Ви вбудовуєте PyMuPDF у продукт — навіть як мікросервіс за API

В усіх цих випадках AGPL вимагає відкрити вихідний код усього застосунку під AGPL-3.0 — або купити комерційну ліцензію в Artifex.

PDF Oxide — MIT. Використовуйте його в будь-якому проєкті — комерційному, пропрієтарному, SaaS чи open source — без додаткових зобов’язань.

Сценарій PDF Oxide (MIT) PyMuPDF (AGPL)
Комерційний продукт Так Потрібна ліцензія
SaaS із закритим кодом Так Потрібна ліцензія
Внутрішні інструменти Так Так
Open-source проєкт Так Так (якщо сумісний з AGPL)
Розповсюдження в Docker Так Потрібна ліцензія

Ціна комерційної ліцензії PyMuPDF

Artifex (компанія за MuPDF та PyMuPDF) не публікує прайс на комерційні ліцензії. За галузевими даними:

  • Потрібен запит — ціну дізнаєтеся лише у відділу продажів Artifex
  • Ліцензія на застосунок — вартість залежить від типу розгортання й масштабу
  • Щорічна оплата — комерційні ліцензії зазвичай продовжують щороку
  • Безкоштовного тарифу немає — в AGPL немає винятків для «community» чи «startup»

Для команд, що розглядають PyMuPDF для комерційного використання, ліцензія — це постійна операційна стаття бюджету поверх часу розробників.

PDF Oxide — MIT, безкоштовно для будь-якого використання, назавжди. Жодних дзвінків від продажників, жодних аудитів ліцензій, жодного ризику з комплаєнсу. SaaS, Docker, вбудовування в комерційні продукти — без обмежень.

Посібник з міграції

Зіставлення API

Завдання PyMuPDF PDF Oxide
Відкрити PDF fitz.open("f.pdf") PdfDocument("f.pdf")
Кількість сторінок doc.page_count doc.page_count()
Видобути текст doc[0].get_text() doc.extract_text(0)
Дані по символах doc[0].get_text("dict") doc.extract_chars(0)
Видобути зображення doc[0].get_images() + doc.extract_image(xref) doc.extract_images(0)
Пошук тексту doc[0].search_for("query") doc.search_page(0, "query")
Зашифрований PDF doc.authenticate("pw") PdfDocument("f.pdf", password="pw")
У Markdown pymupdf4llm (окремо) doc.to_markdown(0)
Створити з тексту insert_text() вручну Pdf.from_markdown("# Заголовок")

Крок за кроком

  1. Встановіть: pip install pdf_oxide
  2. Замініть імпорти: import fitz → from pdf_oxide import PdfDocument
  3. Замініть відкриття: fitz.open(path) → PdfDocument(path)
  4. Замініть видобування: page.get_text() → doc.extract_text(page_index)
  5. Замініть роботу з зображеннями: багатокроковий пошук за xref → doc.extract_images(page_index)
  6. Оновіть роботу з паролем: використовуйте PdfDocument(path, password="pw") або після відкриття викликайте doc.authenticate("pw")
  7. Перевірте: проженіть свій пайплайн по наявних тестових файлах

Коли варто лишитися на PyMuPDF

  • У вас уже є комерційна ліцензія MuPDF і продукт зав’язаний саме на його рендеринг
  • Потрібен експорт у SVG (PDF Oxide не видає SVG)
  • Проєкт сам по собі вже розповсюджується під AGPL

Пов’язані сторінки