Skip to content
PDF Oxide

PDF-бібліотека для C# / .NET — PDF Oxide

PDF Oxide — найшвидша PDF-бібліотека для .NET: 0,8 мс у середньому на видобування тексту, у 5× швидше за PyMuPDF, у 15× швидше за pypdf, 100 % успіху на 3 830 PDF. Один пакет для видобування, створення й редагування — з підтримкою NativeAOT, trim-safe, з ідіоматичним using, async Task<T>, CancellationToken і LINQ-колекціями. Ліцензія MIT / Apache-2.0.

Встановлення

dotnet add package PdfOxide

Цільові фреймворки: net8.0 і net10.0. Увімкнено IsAotCompatible=true та IsTrimmable=true.

У пакеті NuGet постачаються готові нативні бібліотеки для Windows, macOS (Intel + Apple Silicon) та Linux (x64 + ARM64). Системні залежності та Rust-тулчейн не потрібні.

Відкриття PDF

using PdfOxide.Core;

using var doc = PdfDocument.Open("research-paper.pdf");
Console.WriteLine($"Сторінок: {doc.PageCount}");
Console.WriteLine($"Версія PDF: {doc.Version.Major}.{doc.Version.Minor}");

З потоку:

using var stream = File.OpenRead("report.pdf");
using var doc = PdfDocument.Open(stream);

З паролем:

using var doc = PdfDocument.OpenWithPassword("secure.pdf", "user-password");

PDF із шифруванням AES-256 (V=5, R=6) підтримуються повністю.

API сторінок

З версії v0.3.34 PdfDocument надає властивість Pages (IReadOnlyList<PdfPage>) та int-індексатор, тож можна ітерувати foreach і використовувати LINQ.

using PdfOxide.Core;

using var doc = PdfDocument.Open("paper.pdf");

foreach (var page in doc.Pages)
{
    Console.WriteLine($"--- Сторінка {page.Index + 1} ---");
    Console.WriteLine(page.ExtractText());
}

// Або прямий доступ за індексом
PdfPage first = doc[0];
string md = await first.ToMarkdownAsync();

Кожна PdfPage має повний синхронний та асинхронний набір: ExtractText() / ExtractTextAsync(), ToMarkdown(), ToHtml(), ToPlainText(), ExtractWords(), ExtractTextLines(), ExtractTables(), ExtractChars(), ExtractImages(), Search().

Видобування тексту

Одна сторінка

using var doc = PdfDocument.Open("report.pdf");

string text = doc.ExtractText(0);
Console.WriteLine(text);

Усі сторінки

string allText = doc.ExtractAllText();

Ручний обхід сторінок

for (int i = 0; i < doc.PageCount; i++)
{
    Console.WriteLine($"--- Сторінка {i + 1} ---");
    Console.WriteLine(doc.ExtractText(i));
}

Асинхронне видобування

Для кожного методу видобування є *Async-варіант, який повертає Task<T> і приймає необов’язковий CancellationToken.

using PdfOxide.Core;

using var doc = PdfDocument.Open("large.pdf");

string text = await doc.ExtractTextAsync(0);

// Fan-out зі скасуванням
using var cts = new CancellationTokenSource(TimeSpan.FromSeconds(30));
var tasks = Enumerable.Range(0, doc.PageCount)
    .Select(i => doc.ExtractTextAsync(i, cts.Token));
string[] pages = await Task.WhenAll(tasks);

Повні шаблони — у посібнику з async.

Структуроване видобування

var words = doc.ExtractWords(0);
foreach (var (text, x, y, w, h) in words)
{
    Console.WriteLine($"\"{text}\" у ({x:F1}, {y:F1})");
}

// За областю
string regionText = doc.ExtractTextInRect(0, x: 50, y: 700, width: 200, height: 50);

var tables = doc.ExtractTables(0);
foreach (var (rows, cols) in tables)
{
    Console.WriteLine($"таблиця {rows}x{cols}");
}

Конвертація в Markdown

string markdown = doc.ToMarkdown(0);
string allMarkdown = doc.ToMarkdownAll();

Конвертація в HTML

string html = doc.ToHtml(0);
string allHtml = doc.ToHtmlAll();

Видобування зображень

using PdfOxide.Core;

using var doc = PdfDocument.Open("brochure.pdf");
var images = doc.ExtractImages(0);

foreach (var img in images)
{
    Console.WriteLine($"{img.Width}x{img.Height} {img.Format} ({img.Colorspace}, {img.BitsPerComponent} bpc, {img.Data.Length} байт)");
    File.WriteAllBytes($"image_{Array.IndexOf(images.ToArray(), img)}.{img.Format}", img.Data);
}

PDF з індексованим кольором автоматично розгортаються в RGB (1/2/4/8 bpc з базовими колірними просторами RGB, градації сірого або CMYK).

Пошук

var results = doc.SearchAll("квартальний дохід");
foreach (var (page, text, x, y, w, h) in results)
{
    Console.WriteLine($"Сторінка {page}: \"{text}\" у ({x}, {y})");
}

// Одна сторінка з урахуванням регістру
var pageResults = doc.SearchPage(0, "точна фраза", caseSensitive: true);

LINQ інтегрується природно:

var hitsByPage = doc.SearchAll("keyword")
    .GroupBy(r => r.Page)
    .OrderBy(g => g.Key);

foreach (var group in hitsByPage)
{
    Console.WriteLine($"Сторінка {group.Key}: збігів — {group.Count()}");
}

Створення PDF

using PdfOxide.Core;

// З Markdown
using (var pdf = Pdf.FromMarkdown("# Рахунок\n\nРазом: **$42,00**"))
{
    pdf.Save("invoice.pdf");
}

// З HTML
using (var pdf = Pdf.FromHtml("<h1>Звіт</h1><p>Сформовано 2026-04-09</p>"))
{
    pdf.Save("report.pdf");
}

// Із простого тексту
using (var pdf = Pdf.FromText("Простий текстовий документ.\n\nДругий абзац."))
{
    pdf.Save("notes.pdf");
}

// Із зображення
using (var pdf = Pdf.FromImage("scan.jpg"))
{
    pdf.Save("scan.pdf");
}

Редагування — метадані та форми

using PdfOxide.Core;

using var editor = DocumentEditor.Open("form.pdf");

// Читання метаданих
Console.WriteLine($"Заголовок: {editor.Title}");
Console.WriteLine($"Сторінок: {editor.PageCount}");

// Оновлення метаданих
editor.Title = "Квартальний звіт";
editor.Author = "Фінансовий відділ";
editor.Subject = "Результати Q1 2026";

// Заповнення та флаттенінг полів форми
editor.SetFormFieldValue("employee.name", "Jane Doe");
editor.SetFormFieldValue("employee.email", "jane@example.com");
editor.FlattenForms();

editor.Save("edited.pdf");
// або: await editor.SaveAsync("edited.pdf");

Читання полів форми без редагування:

using var doc = PdfDocument.Open("form.pdf");
foreach (var f in doc.GetFormFields())
{
    Console.WriteLine($"{f.Name} ({f.FieldType}) = \"{f.Value}\"");
}

Примітка. Поточний .NET-біндинг надає відкриття, читання, конвертацію та створення документів, видобування зображень, читання, заповнення та флаттенінг полів форми, а також редагування метаданих. Операції зі сторінками, анотації, рендеринг та підписи доступні в Rust-ядрі та інших біндингах; відповідну .NET-поверхню буде додано у майбутніх релізах.

Публікація з NativeAOT

.NET-біндинг PDF Oxide готовий до публікації через NativeAOT:

dotnet publish -c Release -r linux-x64 --self-contained -p:PublishAot=true

Усі 881 оголошення P/Invoke використовують LibraryImport (P/Invoke із генерацією джерел), IsAotCompatible=true, IsTrimmable=true. AOT-бінарник лінкує лише те, що справді використовується, а нативне Rust-ядро статично прив’язане до постачуваної платформо-специфічної бібліотеки.

Плагіни та розширення

Пакет PdfOxide.Plugins (постачається разом із PdfOxide) надає точки розширення для процесорів, що перетворюють видобутий контент: класифікатори, постпроцесори, валідатори. Як писати розширення — у посібнику з плагінів.

Обробка помилок

Усі методи в разі збою кидають типізовані винятки:

using PdfOxide.Core;

try
{
    using var doc = PdfDocument.Open("document.pdf");
    string text = doc.ExtractText(0);
}
catch (PdfOxideException ex)
{
    Console.Error.WriteLine($"Помилка PDF Oxide: {ex.Message}");
}
catch (FileNotFoundException)
{
    Console.Error.WriteLine("Файл не знайдено");
}

Наступні кроки