Skip to content
PDF Oxide

PDF Oxide vs PyMuPDF

PDF Oxide 是 PyMuPDF 的 MIT 协议替代方案：快 5.8 倍，还能免去 AGPL 带来的合规成本。无论你是在评估 PyMuPDF 用于商业项目，还是正想因许可证问题把它换掉，这页把关键差异都摆了出来。

为什么团队会从 PyMuPDF 迁走

许可证。 PyMuPDF 封装的是 AGPL-3.0 协议的 MuPDF。只要你分发包含 PyMuPDF 的软件（SaaS、Web 应用、Docker 镜像等），要么把全部代码按 AGPL 开源，要么向 Artifex 购买商业授权。PDF Oxide 使用 MIT 协议，完全没有这类约束。

速度。 PDF Oxide 平均 0.8 ms 完成文本抽取，PyMuPDF 需要 4.6 ms。在 3830 个 PDF 上差距是 5.8 倍。

稳定性。 同一份语料，PDF Oxide 通过率 100 %；PyMuPDF 是 99.3 %，在 27 个合法 PDF 上会失败。

快速对比

PDF Oxide PyMuPDF
许可证 MIT AGPL-3.0
平均抽取时间 0.8 ms 4.6 ms
通过率 (3830 PDF) 100% 99.3%
文本抽取 支持 支持
字符位置 支持 支持
图片抽取 支持 支持
表单字段 读 + 写 读 + 写
PDF 生成 支持 (Markdown/HTML) 支持
Markdown 输出 支持 不支持
HTML 输出 支持 不支持
加密 读 + 写 读 + 写
渲染 支持 支持
OCR 内置 (PaddleOCR) Tesseract
安装体积 约 5 MB 约 20 MB
Python 版本 3.8–3.14 3.8–3.12

代码并排对照

文本抽取

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)

Markdown 转换

PDF Oxide (内置):

from pdf_oxide import PdfDocument

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

PyMuPDF:

# PyMuPDF 没有内置的 Markdown 转换
# 需要改用 pymupdf4llm (独立包，比 PDF Oxide 慢 69 倍):
import pymupdf4llm

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

图片抽取

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"])

从 Markdown 生成 PDF

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 无法从 Markdown 直接生成 PDF
# 必须手动在页面上摆放文本:
doc = fitz.open()
page = doc.new_page()
page.insert_text(fitz.Point(72, 72), "Invoice", fontsize=24)
doc.save("invoice.pdf")

基准测试细节

基准数据来自三套独立公开测试集 (veraPDF、Mozilla pdf.js、DARPA SafeDocs) 合计 3830 个 PDF。

指标 PDF Oxide PyMuPDF
平均抽取时间 0.8 ms 4.6 ms
p99 抽取时间 9 ms 28 ms
通过率 (合法 PDF) 100% (3823/3823) 99.3% (3796/3823)
文本质量一致度 99.5% 基线

语料构成与复现步骤见 完整基准方法。

AGPL 到底意味着什么

PyMuPDF 封装了 MuPDF，而 MuPDF 使用 AGPL-3.0。下列情形都会被这条协议覆盖：

  • 对外分发使用 PyMuPDF 的软件（二进制、Docker 镜像、Electron 应用）
  • 运营 SaaS，由 PyMuPDF 在自己的服务器上处理用户 PDF
  • 把 PyMuPDF 嵌入产品 —— 哪怕放在 API 背后当作微服务

无论哪种情形，AGPL 都会要求你把整个应用的源代码按 AGPL-3.0 开源，或者向 Artifex 购买商业授权。

PDF Oxide 使用 MIT 协议。无论是商业、闭源、SaaS 还是开源项目，都可以直接用，没有额外义务。

使用场景 PDF Oxide (MIT) PyMuPDF (AGPL)
商业产品 可用 需购买授权
闭源 SaaS 可用 需购买授权
内部工具 可用 可用
开源项目 可用 可用 (若与 AGPL 兼容)
Docker 分发 可用 需购买授权

PyMuPDF 商业授权价格

Artifex (MuPDF 与 PyMuPDF 背后的公司) 并未公开商业授权价格。根据业界反馈：

  • 必须联系销售 —— 只能向 Artifex 销售团队索取报价
  • 按应用授权 —— 价格随部署形态与规模变动
  • 按年付费 —— 商业授权通常按年续约
  • 没有免费档 —— AGPL 下并不存在「社区版」或「创业版」之类的豁免

对于评估商用 PyMuPDF 的团队，许可证是一笔除开发成本外长期存在的运营支出。

PDF Oxide 使用 MIT 协议 —— 任何用途永久免费。 没有销售来电、没有授权审计、没有合规风险。SaaS、Docker 分发、嵌入商业产品都可以直接用，毫无限制。

迁移指南

API 对照

任务 PyMuPDF PDF Oxide
打开 PDF fitz.open("f.pdf") PdfDocument("f.pdf")
页数 doc.page_count doc.page_count()
抽取文本 doc[0].get_text() doc.extract_text(0)
字符数据 doc[0].get_text("dict") doc.extract_chars(0)
抽取图片 doc[0].get_images() + doc.extract_image(xref) doc.extract_images(0)
文本搜索 doc[0].search_for("query") doc.search_page(0, "query")
加密 PDF doc.authenticate("pw") PdfDocument("f.pdf", password="pw")
输出 Markdown pymupdf4llm (独立包) doc.to_markdown(0)
从文本生成 手动 insert_text() Pdf.from_markdown("# 标题")

步骤

  1. 安装： pip install pdf_oxide
  2. 替换导入： import fitz → from pdf_oxide import PdfDocument
  3. 替换打开方式： fitz.open(path) → PdfDocument(path)
  4. 替换抽取方式： page.get_text() → doc.extract_text(page_index)
  5. 替换图片流程： 多步 xref 查找 → doc.extract_images(page_index)
  6. 调整密码处理： 使用 PdfDocument(path, password="pw")，或打开后调用 doc.authenticate("pw")
  7. 回归测试： 把原有测试文件跑一遍流水线

什么情况下仍选择 PyMuPDF

  • 已有 MuPDF 商业授权，并依赖 MuPDF 独有的渲染效果
  • 需要导出 SVG（PDF Oxide 不输出 SVG）
  • 项目本身就采用 AGPL 协议

相关页面