pdf_oxide

用 Rust 极速处理 PDF，比行业快 5 倍，文本图像转换全搞定

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。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1048

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yfedoseev

所属国家

官网地址https://oxide.fyi

GitHubhttps://github.com/yfedoseev/pdf_oxide

定价模式free

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

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★ 1048

30天Star增速

HF 下载量

上线时间2025-11-05 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

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

项目介绍

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

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,048）位列前 30%，在基础设施分类中处于中上游。

近 42 天，它的 GitHub 星标从 949 增加到 1,048，净增 99。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。开源库，MIT/Apache-2.0 双许可，完全免费，无付费版本。

它主要面向的使用场景是：大规模文档批量文本提取，如数据挖掘和NLP预处理。同类可对比的替代方案包括 PyMuPDF、pdfplumber、pypdf。

上一篇：fastembed-rs

下一篇：spacy-layout