ベンチマーク¶
pylopdfは速い結果も遅い結果も同時に公開します。以下は、ひとつの環境と コーパスで得たスナップショットです。普遍的な順位ではなく、自分のワークロードで 何を測るべきか判断する材料として使ってください。
最新の実行
2026-07-24 12:59 UTC · Windows 11 · Python 3.14.6 · AMD64
pylopdf 0.9.0 · pymupdf 1.28.0 · pypdf 6.14.2 · pdfplumber 0.11.10
ウォームアップ1回 + 計測5回。表は中央値（ミリ秒）です。
概要¶
| ワークロード | 最新コーパスで分かったこと |
|---|---|
| 実世界PDF 7件を結合 | pylopdf 40.6 ms、pymupdf 127.1 ms、pypdf 366.3 ms |
| 先頭ページを2倍で描画 | 7ファイルすべてでpylopdfが高速 |
| 12ページを2倍で描画 | render_pages()は400.8 ms（1 worker）から83.6 ms（8 workers）へ短縮し、4.80倍高速化 |
| 全ページのテキスト抽出 | 4ファイルでpylopdf、3ファイルでpymupdfが高速 |
| 抽出精度の代理指標 | 読み順の流儀により類似度0.292〜1.000 |
テキスト抽出¶
全ページ、単位ms。小さいほど高速です。
| ファイル | pylopdf | pymupdf | pypdf | pdfplumber |
|---|---|---|---|---|
| bill-hr815.pdf | 138.1 | 179.5 | 848.4 | 9850.9 |
| f1040.pdf | 16.8 | 33.4 | 176.3 | 572.9 |
| mhlw-doc.pdf | 18.4 | 11.3 | 109.3 | 195.3 |
| patent-us223898.pdf | 29.5 | 6.8 | 81.4 | 512.9 |
| pdf20-simple.pdf | 0.3 | 1.1 | 1.8 | 2.2 |
| usrguide.pdf | 144.9 | 50.7 | 665.2 | 1756.4 |
| wdl6812-manuscript.pdf | 0.3 | 0.7 | 1.4 | 2.2 |
抽出内容¶
これは正解率ではなく代理指標です。空白を正規化してpymupdfと比較しています。 フォームやOCR層で類似度が低くても、文字数がほぼ同じなら読み順・空白の方針だけが 違う場合があります。
| ファイル | pylopdf文字数 | pymupdf文字数 | 類似度 |
|---|---|---|---|
| bill-hr815.pdf | 300559 | 300559 | 1.000 |
| f1040.pdf | 10156 | 10156 | 0.680 |
| mhlw-doc.pdf | 1264 | 1251 | 0.961 |
| patent-us223898.pdf | 11207 | 11218 | 0.292 |
| pdf20-simple.pdf | 11 | 11 | 1.000 |
| usrguide.pdf | 55624 | 55560 | 0.996 |
| wdl6812-manuscript.pdf | 0 | 0 | 1.000 |
結合¶
| タスク | pylopdf | pymupdf | pypdf |
|---|---|---|---|
| コーパス7件をすべて結合 | 40.6 | 127.1 | 366.3 |
レンダリング¶
先頭ページを2倍PNGへ描画。単位ms、小さいほど高速です。
| ファイル | pylopdf | pymupdf |
|---|---|---|
| bill-hr815.pdf | 38.2 | 86.2 |
| f1040.pdf | 53.1 | 94.7 |
| mhlw-doc.pdf | 35.7 | 70.1 |
| patent-us223898.pdf | 36.4 | 69.0 |
| pdf20-simple.pdf | 9.0 | 18.9 |
| usrguide.pdf | 31.8 | 56.6 |
| wdl6812-manuscript.pdf | 45.5 | 87.0 |
並列レンダリング¶
usrguide.pdfの先頭12ページを2倍PNGへ描画。単位ms、小さいほど高速です。
バッチは入力順を保持し、単一の不変ドキュメントスナップショットを使います。
| Workers | 時間 | 1 worker比 |
|---|---|---|
| 1 | 400.8 | 1.00倍 |
| 2 | 200.5 | 2.00倍 |
| 4 | 118.5 | 3.38倍 |
| 8 | 83.6 | 4.80倍 |
実際の並列度は、指定worker数と推定512 MBの描画作業メモリの両方で制限されます。
free-threadedでの抽出¶
Windows 11のfree-threaded CPython 3.14.6で、独立したbill-hr815.pdf 2部の
全ページテキストを抽出しました。1回warmup後、先行モードを交互にした7組の実行の
中央値です。
| モード | Workers | 時間 | 高速化 |
|---|---|---|---|
| 逐次 | 1 | 341.8 ms | 1.00倍 |
| 並行 | 2 | 195.9 ms | 1.74倍 |
すべての実行で2部の出力は完全に一致し、import後もGILが無効であることを インタープリタから確認しています。
再現する¶
コーパスはtests/assets/real_worldにあり、出典とライセンスも同じ場所へ記録しています。
uv sync --all-extras --group bench
uv run python bench/run.py
# free-threaded CPython 3.14インタープリタで:
python3.14t bench/free_threaded.py
生成元レポートは
bench/results/latest.md
へコミットされています。数値を引用するときは、環境とコーパスを併記してください。