oxidizePdf

纯 Rust 解析 PDF，结构感知分块，让 RAG 检索更准。

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。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 192

维护状态活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队bzsanti

所属国家

官网地址https://bzsanti.github.io/oxidizePdf

GitHubhttps://github.com/bzsanti/oxidizePdf

定价模式free

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

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★ 192

30天Star增速

HF 下载量

上线时间2025-07-07 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

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

项目介绍

oxidizePdf 是基础设施领域的开源项目，由 bzsanti 开发，2025 年首次发布。

它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 192。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：为RAG系统预处理PDF文档，生成高质量文本块。同类可对比的替代方案包括 pdf-parse、PyMuPDF、Unstructured。

上一篇：exstruct

下一篇：fastembed-js