pdf_oxide

用 Rust 极速处理 PDF,比行业快 5 倍,文本图像转换全搞定

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 151 🐛 待处理 228 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1177
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源库,MIT/Apache-2.0 双许可,完全免费,无付费版本。

项目预览

pdf_oxide 项目界面预览图
图片来源:项目官网

项目数据

分类搜索知识
开发团队yfedoseev
官网地址https://oxide.fyi
定价模式🏷️完全免费
价格说明开源库,MIT/Apache-2.0 双许可,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Apache-2.0
主要语言Rust
技术栈/模型data-extraction,document-processing,fast,image-extraction,llm,markdown,pdf,pdf-editor,pdf-generation,pdf-library,pdf-parser,pdf-to-markdown,pdf-to-text,pyo3,python,rag,rust,text-extraction
GitHub 星标★ 1177
上线时间2025-11-05 00:00:00
代码更新2026-10-31
仓库体积311.4 MB
本站数据更新2026-11-07
维护状态较活跃
收录时间2026-08-09
浏览次数5

项目介绍

pdf_oxide 是一个用 Rust 编写的高性能 PDF 处理库,提供 Python 和 Rust 双语言接口。它解决了现有 PDF 库处理速度慢、内存占用高的问题,核心能力包括文本提取、图像提取、Markdown 转换以及 PDF 的创建与编辑。项目宣称平均处理时间仅 0.8 毫秒,比行业领先者快 5 倍,并在 3830 个 PDF 文件上实现了 100% 的通过率。其底层采用 Rust 实现,保证了内存安全和极致性能,同时通过 Python 绑定降低了使用门槛。项目采用 MIT 和 Apache-2.0 双许可,对商业友好。当前处于早期阶段(GitHub 星标 943),但性能表现突出,适合对 PDF 处理速度有极致要求的场景。

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 ★ 1177

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:命令行工具 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • macOS / Linux,并已安装 Homebrew(README 给出的 brew 安装方式)
  • Python 3 环境(如需使用 Python 绑定 from pdf_oxide import PdfDocument)
  • Rust 工具链(如需从源码执行 cargo test)
  • 一个待处理的 PDF 文件(示例中为 paper.pdf)

安装与启动步骤

  1. 1用 brew 安装

    通过 Homebrew tap 安装 pdf-oxide,该安装包同时包含 pdf-oxide-mcp(供 AI 助手使用的 MCP 服务)。

    brew install yfedoseev/tap/pdf-oxide
  2. 2准备 Python 绑定

    README 的 Installation 章节为空,只演示了 Python 导入用法,未给出 pip 安装命令,请按官网 oxide.fyi 或仓库说明安装后再调用。

  3. 3运行 Python 示例

    用上下文管理器打开一份 PDF(示例为 paper.pdf),读取文档并打印页数,确认绑定可用。

    from pdf_oxide import PdfDocument
    
    with PdfDocument("paper.pdf") as doc:
        print(len(doc))
  4. 4从源码跑测试

    克隆仓库后进入项目根目录执行 cargo test,验证 Rust 核心功能是否正常。

    git clone https://github.com/yfedoseev/pdf_oxide.git
    cd pdf_oxide
    cargo test

如何确认成功

brew 安装无报错;cargo test 通过;Python 中能用 PdfDocument 打开 PDF 并打印出页数。

常见问题

Q:Python 绑定怎么安装?

A:README 只给出了 from pdf_oxide import PdfDocument 的用法,没有给出 pip 包名或安装命令,请以仓库 Installation 章节或官网 oxide.fyi 为准,不要凭猜测安装同名包。

Q:怎么验证 Rust 核心可用?

A:在仓库根目录执行 cargo test,README 中标注的测试入口就是这条命令。

Q:支持哪些语言?

A:Rust 核心加 19 种绑定,涵盖 Python、Go、JS/TS、C#、Java、Kotlin、Scala、Clojure、Ruby、PHP、C++、Objective-C、Swift、Dart、R、Julia、Zig、Elixir、WASM,另有 CLI 与 MCP server。

Q:性能表现如何?

A:官方称平均每份文档 0.8 毫秒,比 PyMuPDF 快 5 倍、比 pypdf 快 15 倍,在 3830 个真实 PDF 上通过率 100%。

注意事项

  • README 的 Installation 章节内容为空,Python 侧安装命令缺失,请以官方仓库/官网为准。
  • brew 安装的是 CLI 与 MCP 服务,语言绑定(Python 等)属于另外的集成方式。
  • 项目处于早期阶段,当前版本为 v0.3.69,接口可能变动。
  • 项目信息标注 MIT 与 Apache-2.0 双许可,README 正文写作 MIT,商用前建议再确认 LICENSE 文件。

核心亮点

  • 平均 0.8ms 处理速度,比 PyPDF2 等快 5 倍,适合批量处理
  • Rust 底层实现,内存安全且性能稳定,减少 Python 内存溢出问题
  • 支持文本、图像提取和 Markdown 转换,一站式满足文档解析需求

不足之处

  • 项目早期,API 可能不稳定,社区生态和文档尚不完善
  • PDF 创建和编辑功能相对基础,复杂排版支持待验证

适用场景

  • 大规模文档批量文本提取,如数据挖掘和 NLP 预处理
  • 将 PDF 转换为 Markdown,便于知识库构建和内容管理
  • 需要高性能 PDF 解析的桌面或服务端应用

替代项目

PyMuPDF、pdfplumber、pypdf

上一篇:fastembed-rs

下一篇:spacy-layout

同类项目推荐

CatGPT-Gateway 开源

把网页版 ChatGPT/Claude 变成免费 API,免密钥直接调用

Turn your ChatGPT or Claude account into a fully working OpenAI-compatible API. No A···

★ 316 2026-08-09
polyaxon 开源

一站式管理AI实验、训练与部署,让团队协作更高效。

AI Infra / AI Orchestration / AI Control Plane

★ 3747 2026-08-09
EverOS 开源

给每个 AI 代理装一个随身记忆库,跨应用不忘事

One portable memory layer for every AI agent: local-first, Markdown-native, user-own···

★ 13845 2026-08-09
databend 开源

一份数据在 S3 上同时做分析、搜索和 AI,不用搬来搬去

Data Agent Ready Warehouse : One for Analytics, Search, AI, Python Sandbox. — reb···

★ 9493 2026-10-11
medharness 开源

给医院大模型流量装上合规闸门,防泄露、可审计、控成本。

让医疗机构所有大模型流量:PHI 不外泄 · 模型走白名单 · 全量可审计 · 成本可控。

★ 83 2026-08-09
llmedge 开源

在 Android 上轻松跑多模态 AI,离线推理一条龙

Android native AI inference library, bringing text, image, video, STT, TTS inference

★ 73 2026-08-09
claude-devtools 开源

给 Claude Code 装上可视化仪表盘,一眼看透会话、Token 与工具调用

The missing DevTools for Claude Code — inspect session logs, tool calls, token usag···

★ 4018 2026-08-09
universal 开源

用可定制数字类型,在精度与性能间自由取舍

Large collection of number systems providing custom arithmetic for mixed-precision a···

★ 505 2026-09-18
vLLM-Moet 开源

消费级 Blackwell 上跑 2-bit MoE,画质对齐官方 FP4

Frontier MoE models on RTX PRO 6000 / RTX 5090 (sm_120): DeepSeek-V4.1-Flash on 4x R···

★ 569 2026-09-16