性能基准¶
pylopdf会同时公开优势与劣势。以下数据只是一个环境和语料库的快照，并非普遍排名。 请用它判断自己的工作负载应该测量什么。
最近一次运行
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
预热1次，测量5次；表中为中位数，单位毫秒。
概览¶
| 工作负载 | 最新语料库的结果 |
|---|---|
| 合并7个真实PDF | pylopdf 40.6 ms，pymupdf 127.1 ms，pypdf 366.3 ms |
| 以2×渲染第一页 | 7个文件均由pylopdf领先 |
| 以2×渲染12页 | render_pages()从400.8 ms（1 worker）降至83.6 ms（8 workers），加速4.80倍 |
| 提取全部文本 | 4个文件由pylopdf领先，3个由pymupdf领先 |
| 提取一致性代理指标 | 因阅读顺序策略不同，相似度从0.292到1.000 |
文本提取¶
提取所有页面，单位毫秒，越小越快。
| 文件 | 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 |
提取内容¶
这只是代理指标，不是正确率。文本经空白归一化后与pymupdf比较。表单和OCR层的相似度 较低，可能只是阅读顺序或空白策略不同；即使字符数相同也会发生这种情况。
| 文件 | pylopdf字符数 | pymupdf字符数 | 相似度 |
|---|---|---|---|
| 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 |
合并¶
| 任务 | pylopdf | pymupdf | pypdf |
|---|---|---|---|
| 合并语料库全部7个文件 | 40.6 | 127.1 | 366.3 |
渲染¶
第一页输出为2× PNG，单位毫秒，越小越快。
| 文件 | 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 |
并行渲染¶
将usrguide.pdf前12页输出为2× PNG，单位毫秒，越小越快。
批处理保持输入顺序，并使用同一个不可变文档快照。
| Workers | 时间 | 相对1 worker加速 |
|---|---|---|
| 1 | 400.8 | 1.00倍 |
| 2 | 200.5 | 2.00倍 |
| 4 | 118.5 | 3.38倍 |
| 8 | 83.6 | 4.80倍 |
实际并发度同时受指定worker数和约512 MB的估算实时渲染内存限制。
free-threaded提取¶
在Windows 11的free-threaded CPython 3.14.6上，对两个互相独立的
bill-hr815.pdf执行全页文本提取。预热一次后，交替先运行的模式，取七组配对运行的
中位数：
| 模式 | Workers | 时间 | 加速比 |
|---|---|---|---|
| 串行 | 1 | 341.8 ms | 1.00倍 |
| 并行 | 2 | 195.9 ms | 1.74倍 |
每次运行中两个副本的输出都完全一致，并且解释器确认导入后GIL仍保持禁用。
复现¶
语料库位于tests/assets/real_world，文件来源与许可证记录在同一目录。
uv sync --all-extras --group bench
uv run python bench/run.py
# 使用free-threaded CPython 3.14解释器：
python3.14t bench/free_threaded.py
生成的原始报告提交在
bench/results/latest.md。
引用数据时，请同时提供运行环境与语料库。