对比 Rust PDF 库

将 PDF Oxide 与最常用的 Rust PDF crate 进行对比：lopdf、printpdf、pdf-rs 和 pdf_extract。它们各自面向不同的抽象层次和不同的使用场景。

概览

	PDF Oxide	lopdf	printpdf	pdf-rs	pdf_extract
API 层级	高层	底层	中层（创建）	底层（读取）	中层（读取）
读取 PDF	是	是	否	是	是
写入 PDF	是	是	是	否	否
文本提取	是（高层）	手动	否	手动	是（基础）
图像提取	是（高层）	手动	否	手动	否
表单字段	读取 + 写入	手动	否	仅读取	否
PDF 创建	是	是	是	否	否
Markdown/HTML 输入	是	否	否	否	否
编辑现有 PDF	是	是（底层）	否	否	否
注释	读取 + 写入	手动	否	仅读取	否
加密	读取 + 写入	否	否	否	否
PDF/A 校验	是	否	否	否	否
渲染	是（tiny-skia）	否	否	部分	否
Python 绑定	是	否	否	否	否
许可证	MIT	MIT	MIT	MIT	Apache-2.0

所有库都采用宽松许可证。差异在于功能范围和抽象层次。

性能对比

完整语料库基准测试（3,830 个 PDF）

在完整的 3,830 个 PDF 语料库上进行测试——由三个独立、公开可用的测试套件组成，涵盖 PDF 规范符合性（veraPDF，2,907 个文件）、真实世界的浏览器渲染边缘情况（Mozilla pdf.js，897 个文件），以及包含畸形结构和模糊测试生成损坏的安全性/健壮性压力测试（DARPA SafeDocs，26 个文件）。参见完整语料库详情。

库	均值	p99	通过率	文本提取	备注
PDF Oxide	0.8ms	9ms	100%	内置，生产级	Unicode、CJK、阅读顺序
oxidize_pdf	13.5ms	11ms	99.1%	基础	最大 48 秒异常值
unpdf	2.8ms	10ms	95.1%	基础	完整语料库上 185 次失败
pdf_extract	4.08ms	37ms	91.5%	基础	遗漏复杂布局
lopdf	0.3ms	2ms	80.2%	无内置提取	在 20% 的 PDF 上失败

lopdf 在它能解析的 PDF 上更快——但它在 20% 的语料库上失败，并且不提供文本提取。你需要自己构建字体解码、CMap 解析和间距分析。

pdf_extract 提供基础的文本提取，但通过率为 91.5%，在处理复杂布局、CJK 文本和带标签的 PDF 时表现吃力。oxidize_pdf 具有不错的可靠性（99.1%），但在平均提取时间上比 pdf_oxide 慢 17 倍，最坏情况下有 48 秒的异常值。unpdf 能处理完整语料库，但在 185 个 PDF 上失败。

PDF Oxide 是唯一一个将 100% 可靠性与生产级文本提取结合在一起的 Rust crate。

API 设计对比

PDF Oxide：高层、面向任务

PDF Oxide 为常见任务提供专门设计的方法。你处理的是文本、图像和表单字段——而非 PDF 对象和字典。

use pdf_oxide::PdfDocument;

let mut doc = PdfDocument::open("report.pdf")?;

// Text extraction -- one call
let text = doc.extract_text(0)?;
println!("{}", text);

// Styled spans with font metadata
let spans = doc.extract_spans(0)?;
for span in &spans {
    println!("'{}' font={} size={:.1}pt", span.text, span.font_name, span.font_size);
}

// Image extraction
let images = doc.extract_images(0)?;
for img in &images {
    println!("{}x{} {:?}", img.width, img.height, img.format);
}

// Form fields
let fields = doc.extract_form_fields()?;
for field in &fields {
    println!("{}: {:?}", field.name, field.value);
}

创建 PDF 同样简单直接：

use pdf_oxide::api::Pdf;

// From Markdown
let pdf = Pdf::from_markdown("# Report\n\n| A | B |\n|---|---|\n| 1 | 2 |")?;
pdf.save("report.pdf")?;

// From HTML
let pdf = Pdf::from_html("<h1>Report</h1><p>Content here.</p>")?;
pdf.save("report.pdf")?;

lopdf：底层对象操作

lopdf 让你直接访问 PDF 对象、流和交叉引用表。要有效使用它，你必须理解 PDF 规范。它没有内置文本提取——你需要自己浏览字典并解码流。

use lopdf::Document;

let doc = Document::load("report.pdf")?;

// Get page dictionary
let page_id = doc.page_iter().next().unwrap();
let page = doc.get_dictionary(page_id)?;

// Get content stream -- manual work
let contents = page.get("Contents")?;
let stream = doc.get_object(contents.as_reference()?)?;

// To extract text you must:
// 1. Parse the content stream operators
// 2. Resolve font references from /Resources
// 3. Decode CMap/ToUnicode mappings
// 4. Apply text matrix transformations
// 5. Handle encoding differences
//
// lopdf does not provide any of this -- it is raw object access
println!("Page has {} objects", doc.objects.len());

当你需要直接操作 PDF 结构时，lopdf 是合适的工具：合并文档、重写对象流，或构建专门的 PDF 处理器。

printpdf：仅用于创建 PDF

printpdf 是一个仅用于创建的库。它无法读取或解析现有的 PDF。它提供了一个类型化的 API，用于从零开始构建包含文本、图像和矢量图形的 PDF 文档。

use printpdf::*;

let (doc, page1, layer1) = PdfDocument::new(
    "Report", Mm(210.0), Mm(297.0), "Layer 1"
);

let current_layer = doc.get_page(page1).get_layer(layer1);

// Add text -- requires manual font loading
let font = doc.add_builtin_font(BuiltinFont::Helvetica)?;
current_layer.use_text("Hello World", 24.0, Mm(10.0), Mm(280.0), &font);

// Save
doc.save(&mut std::io::BufWriter::new(
    std::fs::File::create("output.pdf")?,
))?;

// Cannot read existing PDFs
// Cannot extract text, images, or form fields

当你只需要生成新 PDF 并且想要一个简洁、专注的创建 API 时，printpdf 是合适的工具。

pdf-rs：底层 PDF 读取

pdf-rs 将 PDF 结构解析为 Rust 类型，但只提供极少的高层功能。你可以获得对 PDF 对象的类型化访问，但仍需自己处理文本解码、字体解析和内容流解析。

use pdf::file::FileOptions;

let file = FileOptions::cached().open("report.pdf")?;

// Access page objects
let page = file.get_page(0)?;
let media_box = page.media_box()?;
println!("Page size: {:?}", media_box);

// Content stream access -- low-level
if let Some(ref contents) = page.contents {
    // Returns raw operations -- you must interpret them
    // No built-in text assembly, font decoding, or layout analysis
}

// Cannot write or modify PDFs

当你需要一个类型安全的 PDF 解析器用于分析、校验或构建自定义渲染器时，pdf-rs 是合适的工具。

按任务划分的功能对比

文本提取

库	内置	质量	所需投入
PDF Oxide	是	生产级（Unicode、CJK、阅读顺序）	一次方法调用
pdf_extract	是	基础（遗漏复杂布局）	一次方法调用
lopdf	否	不适用	数百行自定义代码
printpdf	否	不适用	不可能（仅写入）
pdf-rs	否	不适用	需要大量自定义代码

PDF Oxide 处理 CMap/ToUnicode 解码、基于字体度量的间距、结构树阅读顺序以及连字重建。在 lopdf 或 pdf-rs 之上实现等效功能需要数千行代码和深厚的 PDF 规范知识。

PDF 创建

库	方式	Markdown/HTML 输入	表格	条形码
PDF Oxide	高层 + 底层	是	是	是
lopdf	原始对象构建	否	否	否
printpdf	类型化图层 API	否	否	否
pdf-rs	不适用（仅读取）	不适用	不适用	不适用

加密

库	读取加密	写入加密	算法
PDF Oxide	是	是	RC4-40、RC4-128、AES-128、AES-256
lopdf	否	否	–
printpdf	否	否	–
pdf-rs	部分	否	仅 RC4

合规性

库	PDF/A	PDF/X	PDF/UA
PDF Oxide	校验 + 转换	校验	校验
lopdf	否	否	否
printpdf	部分（PDF/A-1b 输出）	否	否
pdf-rs	否	否	否

依赖占用

库	依赖项	编译时间	二进制大小
PDF Oxide	~40（核心）	~30s	~4 MB
lopdf	~15	~10s	~1 MB
printpdf	~20	~15s	~2 MB
pdf-rs	~25	~20s	~2 MB

PDF Oxide 的依赖项更多，因为它包含了字体解析、图像解码、内容流解释和加密——这些功能是其他库留给用户处理或干脆省略的。启用所有可选功能（rendering、barcodes、office）后，数量会上升到约 100。

组合使用多个库

由于它们都采用宽松许可证，你可以在同一个项目中组合使用：

[dependencies]
pdf_oxide = "0.3"
lopdf = "0.32"        # Optional: raw object access for edge cases

常见模式：

• PDF Oxide + lopdf：用 PDF Oxide 做提取和创建，对于需要原始对象操作的边缘情况回退到 lopdf。
• PDF Oxide + printpdf：用 PDF Oxide 做读取，用 printpdf 做专门的创建工作流。

使用场景矩阵

“我需要从 PDF 中提取文本”

Crate	适合吗？	备注
PDF Oxide	是	最佳提取质量、100% 通过率、阅读顺序、字体元数据
pdf_extract	部分	基础提取，91.5% 通过率
lopdf	否	无文本提取
printpdf	否	无法读取 PDF
pdf-rs	部分	基础解析，无高层文本提取

“我需要创建 PDF”

Crate	适合吗？	备注
PDF Oxide	是	高层（Markdown/HTML）和底层 API
lopdf	部分	底层对象构建
printpdf	是	简洁的创建 API，无读取功能
pdf-rs	否	仅读取

“我需要编辑现有的 PDF”

Crate	适合吗？	备注
PDF Oxide	是	类 DOM 编辑、注释、表单
lopdf	部分	底层对象操作
printpdf	否	无法读取 PDF
pdf-rs	否	仅读取

“我需要完整的生命周期（提取 + 创建 + 编辑）”

Crate	适合吗？	备注
PDF Oxide	是	唯一覆盖这三者的 crate
lopdf + printpdf	部分	两个 crate，无文本提取
pdf-rs + printpdf	部分	两个 crate，无编辑功能

各自的适用场景

选择 PDF Oxide，如果你需要不止一种 PDF 能力（提取 + 创建，或提取 + 编辑），并且想要一个经过充分测试、具备 100% 可靠性的单一依赖。

选择 lopdf，如果你需要底层 PDF 结构操作，并且乐于直接面对 PDF 规范。适合合并、拆分和批量 PDF 处理。

选择 printpdf，如果你只创建 PDF 而从不需要读取它们。是报表和文档生成的最简洁 API。

选择 pdf-rs，如果你需要一个符合规范的解析器用于 PDF 分析，或者正在构建自己的渲染管线。

选择 pdf_extract，如果你需要基础的文本提取，且不要求高可靠性或复杂布局支持。

相关页面

• 性能基准测试 – 完整语料库基准测试结果
• Rust 入门 – 安装与首次提取
• Rust API 参考 – 完整的 Rust API
• 对比 Python PDF 库 – Python 生态对比