Skip to content
PDF Oxide

PDF Oxide vs lopdf

lopdf 是一个直接操作 PDF 对象的底层 Rust crate，不内置文本提取或渲染。PDF Oxide 是开箱即用的高层库，提取、生成、编辑一站式。两者定位的场景完全不同。

关键差异

抽象层级。 lopdf 提供原始 PDF 对象——字典、流和交叉引用表。没有文本提取，没有字体解码，没有图片导出。PDF Oxide 提供面向任务的方法：extract_text()、extract_images()、to_markdown()。

可靠性。 lopdf 在 3,830 个 PDF 测试语料库中有 20% 无法解析。在它能解析的 PDF 中，57% 产生空输出，因为 lopdf 没有文本提取功能——你拿到了对象但没有文本。PDF Oxide 通过率 100%。

可解析 PDF 上的速度。 lopdf 的原始对象解析更快：平均 0.3ms vs PDF Oxide 的 0.8ms。但 lopdf 不做文本提取工作——你需要自己构建字体解码、CMap 解析、间距分析和阅读顺序。

快速对比

PDF Oxide lopdf
API 层级 高级 底层
文本提取 内置（生产级） 无
通过率 (3,830 个 PDF) 100% 80.2%
平均解析时间 0.8ms 0.3ms
图片提取 内置 手动（原始流）
表单字段 读写 手动（原始字典）
PDF 创建 支持（Markdown/HTML） 支持（原始对象）
Markdown/HTML 输出 支持 不支持
加密 读写 不支持
渲染 支持 不支持
PDF/A 验证 支持 不支持
许可证 MIT MIT

lopdf 做不到的事

lopdf 提供对 PDF 对象的访问，但文本提取需要按照 PDF 规范解释这些对象。以下是你需要自己构建的部分：

  1. 内容流解析 — 解析 PostScript 风格的操作符（Tj、TJ、Tm、Tf 等）
  2. 字体解析 — 查找 /Font 资源，解析间接引用
  3. CMap/ToUnicode 解码 — 将字形 ID 转换为 Unicode 字符
  4. 字体度量间距 — 从字体描述符计算字符宽度
  5. 文本矩阵变换 — 应用 Tm、Td、T* 操作符定位文本
  6. 阅读顺序 — 确定多栏布局的正确顺序
  7. 连字重建 — 处理 fi、fl、ffi 连字
  8. CJK 编码 — 解码中文、日文、韩文文本编码

这需要数千行代码和对 ISO 32000 的深入了解。PDF Oxide 在内部处理了所有这些。

并排代码对比

文本提取

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 不提供文本提取。
// 你只能访问 PDF 对象：
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()?)?;

// 要获取实际文本，你必须：
// 1. 解析内容流操作符
// 2. 从 /Resources 解析字体引用
// 3. 解码 CMap/ToUnicode 映射
// 4. 应用文本矩阵变换
// 5. 处理编码差异
// ...（数百到数千行代码）

PDF 创建

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");

// 创建字体字典
let font_id = doc.add_object(dictionary! {
    "Type" => "Font",
    "Subtype" => "Type1",
    "BaseFont" => "Helvetica",
});

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

// 创建内容流（原始 PostScript 操作符）
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);

// 创建页面
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,
});

// 组装页面树
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")?;

加密 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 不支持加密 PDF。
// 加载加密 PDF 会失败或产生未解密的流。

可靠性对比

指标 PDF Oxide lopdf
成功解析的 PDF 3,823 / 3,823 (100%) 3,071 / 3,823 (80.2%)
有文本输出的 PDF 3,823 / 3,823 ~1,320 / 3,823（估计值）
加密 PDF 支持 支持 不支持
格式错误 PDF 恢复 支持 不支持

lopdf 80.2% 的通过率意味着大约每 5 个 PDF 就有 1 个失败。失败发生在加密文档、使用非标准 xref 表的 PDF 以及使用交叉引用流的文档上。PDF Oxide 通过宽松解析和回退策略处理了所有这些情况。

何时使用各库

选择 PDF Oxide 的场景：

  • 需要文本提取、图片提取或任何内容级操作
  • 需要一个 crate 同时支持读取 + 写入 + 创建
  • 需要可靠地处理所有 PDF（加密、格式错误、复杂文档）
  • 需要 Markdown/HTML 输出、渲染或 OCR
  • 需要合规性验证（PDF/A、PDF/X、PDF/UA）

选择 lopdf 的场景：

  • 需要直接访问 PDF 对象进行自定义处理
  • 正在构建在对象级别工作的专用 PDF 工具
  • 需要通过直接操作对象树来合并文档
  • 你的 PDF 简单且格式规范（不加密、标准 xref 表）

组合使用：

用 PDF Oxide 做高级操作，用 lopdf 处理需要原始对象访问的边界情况：

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

相关页面