yfedoseev/pdf_oxide

The fastest PDF library for Python and Rust. Text extraction, image extraction, markdown conversion, PDF creation & editing. 0.8ms mean, 5× faster than industry leaders, 100% pass rate on 3,830 PDFs. MIT/Apache-2.0.

해결하는 문제

PDFOxide는 기존 라이브러리의 속도 및 라이선스 제한을 극복하기 위해 설계된 고성능 PDF 툴킷입니다. PyMuPDF와 같은 도구에 대한 빠르고 MIT 라이선스가 적용된 대안을 제공하여, 20가지 프로그래밍 언어에서 PDF로부터 효율적인 텍스트, 이미지 및 레이아웃 추출을 가능하게 합니다.

작동 원리

이 프로젝트는 PDF 처리의 핵심 작업을 처리하는 Rust 코어로 구축되었습니다. 폭넓은 접근성을 제공하기 위해 안정적인 C ABI를 노출하여, 다른 19개 언어(Python, Go, JS/TS, Java, C++ 포함)에 대해 관용적인 바인딩을 생성할 수 있습니다. 또한 터미널 기반 처리를 위한 CLI 도구와 Claude 및 Cursor와 같은 AI 어시스턴트가 로컬에서 PDF와 상호 작용할 수 있도록 하는 MCP 서버를 포함합니다.

대상 사용자

RAG 및 LLM 개발자: 검색 증강 생성(RAG) 파이프라인을 위해 PDF를 깨끗한 Markdown으로 변환해야 하는 개발자.
AI 어시스턴트 빌더: 에이전트에 로컬 PDF 액세스를 통합하고자 하는 빌더.
데이터 엔지니어: 학술 연구 또는 양식 및 표에서 구조화된 데이터를 추출하기 위해 수천 개의 PDF를 대규모로 처리하는 엔지니어.
소프트웨어 개발자: 허용적인 MIT 라이선스를 가진 PyMuPDF 대안을 찾는 개발자.

주요 특징

극한의 속도: 문서당 평균 처리 시간 0.8ms로, PyMuPDF보다 5배, pypdf보다 15배 빠릅니다.
폭넓은 언어 지원: Rust, Python, Go, JS/TS, C#, Java, Kotlin, Swift, C++를 포함한 20개 언어에 대한 네이티브 바인딩.
높은 신뢰성: 3,830개의 실제 PDF 코퍼스(veraPDF, Mozilla pdf.js, DARPA SafeDocs)에서 100% 통과율 기록.
AI 준비 완료: AI 어시스턴트와의 직접적인 통합을 위한 내장 MCP 서버 포함.
포괄적인 기능 세트: 텍스트, 이미지 및 레이아웃 추출뿐만 아니라 PDF 생성, 편집 및 양식 채우기를 지원합니다.