oxidizePdf

纯 Rust 解析 PDF，结构感知分块，让 RAG 检索更准。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 搜索知识 🍴 复刻 28 🐛 待处理 12 👀 关注 3
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 194
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，完全免费，无付费版本。

项目预览

oxidizePdf 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队bzsanti
官网地址https://bzsanti.github.io/oxidizePdf
GitHubhttps://github.com/bzsanti/oxidizePdf
定价模式🏷️完全免费
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言Rust
技术栈/模型ai,chunking,data-extraction,digital-signatures,document-processing,embeddings,encryption,invoice,langchain,llamaindex,ocr,pdf,pdf-generation,pdf-manipulation,pdf-parser,pdfa,rag,rust,table-extraction,text-extraction
GitHub 星标★ 194
上线时间2025-07-07 00:00:00
代码更新2026-11-06
仓库体积218.4 MB
本站数据更新2026-11-10
维护状态活跃
收录时间2026-08-09
浏览次数5

项目介绍

oxidizePdf 是一个用纯 Rust 编写的 PDF 处理库，专为 AI 和 RAG 场景设计。它解决了 PDF 在检索增强生成中文本提取结构混乱、分块不智能的问题，提供结构感知的文本分块功能，无需依赖机器学习模型或 C 语言库。核心能力包括解析 PDF 的布局、段落和表格结构，并基于这些结构生成语义连贯的文本块，从而提升 RAG 系统的检索准确性和回答质量。项目强调轻量、安全（Rust 内存安全）和易集成，适合作为 AI 应用的文档预处理层。目前处于早期阶段，但设计目标明确，面向开发者提供高效、可靠的 PDF 文本处理工具。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 194

核心亮点

  • 纯 Rust 实现，无 C 依赖，内存安全且易于跨平台编译部署
  • 结构感知分块，保留段落/表格语义，显著提升 RAG 检索质量
  • 不依赖 ML 模型，轻量快速，适合实时或大规模文档处理

不足之处

  • 早期项目，功能覆盖有限，复杂 PDF 布局支持待完善
  • 文档和社区生态尚不成熟，示例和教程较少

适用场景

  • 为 RAG 系统预处理 PDF 文档，生成高质量文本块
  • 构建本地知识库，需从 PDF 中提取结构化信息
  • 开发 Rust 原生 AI 工具链，避免引入 Python 或 C 依赖

替代项目

pdf-parse、PyMuPDF、Unstructured

上一篇：exstruct

下一篇：fastembed-js

同类项目推荐

ReadyLLM 开源

图形界面一键部署本地大模型，还能顺手跑图生视频

Deploy, monitor, and tune LLM through a visual interface — plus image / video gener···

★ 101 2026-10-06
moss 开源

不用向量数据库，10毫秒内搞定AI检索

The retrieval layer for production AI systems. Lightning-fast (<10ms) search without···

★ 806 2026-08-09
logto 开源

开箱即用的登录与权限系统，让 SaaS 和 AI 应用快速上线认证

‍ Authentication and authorization infrastructure for SaaS and AI apps, built on OI···

★ 14890 2026-10-17
Awesome-LLMOps 开源

一站式找到大模型开发运维工具，告别选型困难

An awesome & curated list of best LLMOps tools for developers

★ 5971 2026-08-09
MSLK 开源

为 GenAI 训练推理准备的 PyTorch 高性能 GPU 算子集

MSLK (Meta Superintelligence Labs Kernels) is a collection of PyTorch GPU operator l···

★ 166 2026-10-31
Cypher.js 开源

在 JS 里直接跑 Cypher 图查询，轻量免部署

Cypher graph database for Javascript

★ 68 2026-08-09
phoenix 开源

一键追踪调试你的 AI 应用，让模型问题无所遁形

AI Observability & Evaluation

★ 12211 2026-08-09
tool-journal 开源

让工具重试不再重复执行，崩溃后也能安全恢复

TypeScript execution journal for retryable tools: SQLite durability, lease fencing, ···

★ 360 2026-09-18