夜雨聆风学习资料网

ARTICLE · 1363178

OFD 与 PDF 互转实测:最快的不一定能用,99% 相似也不代表文字没丢

OFD 与 PDF 互转实测:最快的不一定能用,99% 相似也不代表文字没丢

关键词:OFD、PDF、开源、格式转换、性能测试、文本提取、技术选型

数据快照:2026 年 11 月 16 日。本文基于 zc310/ofd-benchmark 仓库的双向测试结果,具体版本与原始报告见文末。

收到一张 OFD 发票,想转成 PDF,方便预览、打印和分享。

业务系统里有一批 PDF,又需要转成 OFD,对接归档流程。

听起来像同一件事的两个方向:找个库,换一下输入和输出就好了。

真正接入系统后,问题却一个接一个:文件生成了,页面为什么少了字?画面看着一样,复制出来为什么是乱码?转换只花几十毫秒,得到的内容真的完整吗?

这次,我们不只看“支持转换”四个字,而是把 OFD→PDF 的 9 种方案、PDF→OFD 的 6 种方案放进同一套基准,比较速度、体积、画面和文本。

先说最重要的结论:

生成文件、画面对、文字对,是三件不同的事。选型时,顺序应该是先验质量,再比性能。


一、这次到底测了什么?

OFD→PDF 使用 6 份文档:hello、ano、999、intro、zsbk 和 1000-pages,覆盖简单文本、发票、签章、复杂介绍文档和千页文档。

PDF→OFD 使用对应的 6 份参考 PDF,再增加一份 132 页的 GB/T 33190—2016 标准正文,共 7 份样本。

这组参考 PDF 来自数科版式阅读器导出:在正向测试中,它们是比较对象;在反向测试中,它们是输入文件。

参与测试的方案包括:

  • • Go:zc310/ofd、xiaoqidun/ofdgo,以及 ofdrw-rs 的 Go bindings。
  • • Rust:ofdbox-folio、sOFD、easyofd-rust。
  • • Python:正向的 easyofd,反向的 pdf2ofd。
  • • Java:ofdrw。
  • • JavaScript:正向的 @miconvert/ofd-to-pdf,反向的 jsOFD。

注意:easyofd-rust 与 Python 的 easyofd 不是同一个包;Go bindings 调用 Rust 原生库,也不能简单当成“纯 Go 实现”来比较语言性能。

本轮结果由 GitHub Actions 在同一环境中生成:Ubuntu 24.04.5 LTS、AMD EPYC 9V45、4 个逻辑核心、15.6 GiB 内存。测试前安装中文字体及补充字体包;像素评测使用 PyMuPDF 1.26.7、96 DPI。

这不是语言跑分,而是具体版本、具体转换链路在这组文档上的表现。

二、OFD→PDF:千页 556ms,但不要急着颁奖

先选两个有代表性的样本:42 页的 intro,以及内容重复的 1000-pages。

下表是独立进程完成一次转换的耗时,包含进程启动等开销,不是常驻服务吞吐量。

转换器
intro
1000-pages
go-zc310
902ms
556ms
go-ofdgo
2.44s
29.74s
go-ofdrw-rs
2.69s
224.67s
rust-ofdbox-folio
389ms
4.31s
rust-sofd
2.26s
17.81s
rust-easyofd
1.80s
617ms
python-easyofd
8.10s
1.44s
java-ofdrw
3.07s
2.87s
node-ofd2pdf
1.30s
7.42s

go-zc310 在这个千页样本上用时 556ms;rust-ofdbox-folio 在 intro 上用时 389ms。它们分别展示了长文档和复杂文档场景中的性能优势。

但这里有一条必须跟着速度一起看的信息:

rust-easyofd 0.1.4 虽然 6 份样本都生成了 PDF,视觉指标却全部记为 FAILED。

本轮报告记录:其中 5 份出现字形加载、渲染警告,intro 第 2 页触发近乎空白页检查。Python easyofd 的 6 份样本在视觉表中也全部是 FAILED。

这说明速度表回答的是“多久产出了文件”,不自动回答“产出的文件是否完整可用”。

这里的 FAILED 表示该项未获得有效评测结果,可能涉及页数、页面尺寸、渲染完整性或近乎空白页等检查。它不一定意味着没有生成文件,也不宜当作一个普通的 0 分参与平均。

体积同样不能脱离质量来看。仍以完整的千页输出为例:

  • • go-zc310:687.1KB。
  • • go-ofdgo:59.6MB。
  • • rust-sofd:88.4MB。

同样的输入,输出可以相差两个数量级。不过,大文件不自动意味着画质更好,小文件也不能直接证明压缩更高效——还要确认内容有没有少。

三、两个“99%”背后,藏着不同的问题

1. 整页很像,不代表内容区域很像

一张文档页,通常有大量白底。

如果把整页所有像素放在一起平均,文字、表格和印章上的差异,很容易被留白稀释。

一个直观例子是 hello.ofd 的 Node 转换结果:

  • • 全页像素相似度:99.01%。
  • • 内容区域像素相似度:12.94%。
  • • 前景覆盖 F1:6.08%。

只看第一行,会以为“已经几乎一样”。后两行却说明,内容部分的颜色、位置或形状覆盖仍有明显差异。

因此,这次 OFD→PDF 报告同时提供三把尺子:

全页像素看整体色差;内容区域以参考文档的非白像素为分母,同时惩罚额外画出的内容;前景 F1兼顾漏画和多画,允许约 0.265mm 的邻域误差。

它们互相补充,不应该只挑最高的那个数字做宣传。

2. 画面很像,不代表文字还能正确提取

再看同一份 intro.ofd:

指标
go-zc310
go-ofdgo
全页像素相似度
99.86%
99.75%
内容区域像素相似度
99.73%
99.52%
文本相似度
99.71%8.57%

前两项非常接近,文本结果却差了很多。

这不等于“页面上九成的字没画出来”,而是说:从输出 PDF 提取的文字,与参考 PDF 提取的文字差异很大。 字体映射、字符编码、输出策略和读取顺序等都可能影响结果,具体原因还需要进一步排查。

如果业务只是展示页面,可能暂时注意不到;一旦要做全文搜索、复制粘贴、审计检索,或者把文档送进知识库,这个差异就会直接影响使用。

在本轮 6 份 OFD 样本中:

  • • go-zc310 的文本相似度范围是 94.18%~100.00%。
  • • go-ofdrw-rs 的范围是 94.88%~100.00%,但千页转换耗时达到 224.67s。
  • • rust-sofd 的文本相似度全部为 0.00%,即使部分样本能获得较高的视觉分数。

这就是典型的工程取舍:文本保留、画面表现与转换速度,要一起看。

补充一句:这里的文本相似度,是将空白归一化后,对连续 4 字符片段集合计算 Jaccard 相似度。它不是逐字正确率,也不等价于阅读顺序、段落结构全部恢复。

四、PDF→OFD:画面可以很接近,文本仍是难点

反向测试不能只检查 OFD 压缩包是否生成,还需要验证它实际显示出来是什么样。

本轮采用统一回环:

原始 PDF → 各转换器生成 OFD → go-zc310 转回 PDF → 与原始 PDF 比较

文本则是直接通过 go-zc310 从生成的 OFD 提取,再与原 PDF 的提取文本比较,不是从回环 PDF 取字。

统一读取器方便比较互操作表现,但也引入了它自身的兼容性和渲染偏差。以下分数属于这条链路,不能全部归因于前半段的 PDF→OFD 转换器。

以 132 页标准正文 GBT_33190-2016.pdf 为例:

转换器
转换耗时
回环全页像素相似度
OFD 文本相似度
go-zc310
1.25s
99.98%41.99%
go-ofdgo
3.77s
99.82%
1.08%
rust-easyofd
70ms
FAILED
0.00%
java-ofdrw
64.09s
99.66%
0.00%
python-pdf2ofd
16.50s
FAILED
0.00%
node-jsofd
7.11s
99.94%
1.08%

这张表有两个重点。

第一,速度和体积的第一名,不一定通过质量检查。

rust-easyofd 0.1.4 在 7 份 PDF 上,转换耗时和输出体积都是表中最优值。但 7 份回环视觉结果中,只有 zsbk 获得有效分数,为 95.73%;其余 6 份是 FAILED,7 份文本相似度均为 0.00%。

这不能直接解释成高效压缩,更不能据此推荐上线。更合理的做法是先检查输出完整性,再讨论快了多少。

第二,即使画面接近,也不能保证文字恢复得好。

go-zc310 在这份标准正文上,回环全页像素相似度达到 99.98%,但文本相似度只有 41.99%。

源 PDF 提取了 107,779 个字符,输出 OFD 提取了 170,697 个字符。字数更多,不代表信息更完整;重复、顺序或编码差异,都可能让“字符数很漂亮”,而文本仍不适合直接使用。

同样,也不宜把 Java ofdrw 概括成“完全没有文本”:本轮 ano 的文本相似度是 64.59%,千页样本是 98.86%,但 hello、999 和标准正文为 0.00%。应以每份样本的实际结果为准。

从技术路线看,把文字写成文本对象、转成矢量轮廓、整页栅格化,是不同选择。轮廓和图片可以保留外观,却不能仅凭可见字形就自动恢复原始文字;若另外增加文本层或 OCR,还需要单独验证准确性。

所以,PDF→OFD 的验收不能停在“看起来像”,还要问一句:文字是否仍然是可提取、可核对的文字?

五、如果现在要选,我会怎么做?

批量 OFD→PDF:先把 go-zc310 放进候选集

在这组样本里,它兼顾了耗时、体积、视觉表现和文本保留,适合用作第一轮对照方案。但这不是说所有文件都表现相同:例如 hello 的内容区域相似度为 67.08%,999 为 80.50%,仍有需要核查的差异。

“本轮较均衡”不等于“所有文档都无损”。

OFD→PDF 后还要全文检索:同时评估 ofdrw-rs

go-ofdrw-rs 的文本指标值得关注,但长文档耗时也很突出。应该用自己的最大文件、实际并发量测试,而不是只跑一个小样例就决定。

已有 Java 或 Node 系统:不要只因启动耗时换技术栈

独立进程测试会把 JVM、Node 启动及类加载等开销计入。常驻服务预热后的表现,需要重新测量。

比起把不同语言排成优劣榜,更重要的是验证你的文档是否能正确显示、复制和检索,以及峰值内存和并发吞吐是否满足要求。

PDF→OFD:把“显示”和“索引”拆开验收

go-zc310 在本轮回环链路中表现较均衡,但它同样没有解决所有文本恢复问题。

如果系统要做检索或知识库,建议保留原始 PDF,分别验证源文件与转换件的文本质量;源 PDF 有可靠文本时,可以单独提取用于索引,不必强求所有信息都从转换后的 OFD 再读回来。

这种设计不能替代对 OFD 的验收,但能避免把后续检索质量完全押在格式转换上。

六、这份结果,有哪些不能被忽略的边界?

1. 样本有限,不是兼容性认证。

6 份 OFD、7 份 PDF 无法覆盖所有厂商、字体和复杂绘制特性。数科导出结果是参考,不是标准本身;像素接近也不等于规范符合性通过。

2. 千页样本不是千页复杂合同。

1000-pages 内容重复,视觉指标仅比较前 3 页,仍检查总页数一致;转换耗时、输出体积和文本比较针对完整文档。不能把前 3 页的画面分数说成“逐页验证了 1000 页”。

intro 的像素对比还排除了第 14~19 页,因为参考 PDF 在这些页存在背景图丢失。文中的相关分数都遵循这一口径。

3. 时间是单次记录,不是服务承诺。

报告未提供多轮分布、方差或 P95/P99,也没有分离冷、热启动。556ms 是这次这份文档的记录,不是上线后的 SLA。

4. 基准并非独立第三方认证。

基准仓库与 zc310/ofd 属于同一 GitHub 账号,回环及 OFD 文本提取也统一使用 go-zc310。正式选型时,应增加目标系统或另一款阅读器的交叉验证,避免只在一条链路里判断兼容性。

5. 印章画出来,不等于签名还有效。

本轮数字不能证明数字签名有效性、附件完整性、档案合规或法律效力。涉及签章和归档,必须保留原件,并另做签名验证、结构校验与业务合规检查。

七、别只相信文章,把自己的文件也放进去

最有效的选型方法,不是收藏一张排行榜,而是整理一小批自己的代表性文件:

普通件、复杂件、签章件、历史兼容件、最大件,再加上曾经出过问题的文件。

按仓库 README 完成依赖、字体和转换器构建后,可以先运行:

# OFD→PDF:比较两个 Go 库与 ofdrw-rs bindings./bin/ofd-benchmark testdata/ofdrw/intro.ofd zc310 ofdgo ofdrw-rspython3 tools/compare_pdf.py 96 intropython3 tools/compare_text.py intro# PDF→OFD:比较 Go、Java 方案,再生成统一回环结果./bin/pdf2ofd-benchmark testdata/standards/GBT_33190-2016.pdf zc310 ofdgo javabash tools/roundtrip-pdf2ofd.sh bin/ofd-converter bin/output_ofdpython3 tools/compare_pdf2ofd.py 96 GBT_33190-2016

这些命令会更新本地结果 YAML。若要复现本文快照,还应核对依赖版本,不能直接用最新版的结果与旧数字混比。换成自己的文档时,需准备可信的参考输出,并相应调整评测样本配置。

最后,把生成文件真正打开,放大检查金额、表格线、图片和印章;复制一段正文,搜索几个关键词,再看脚本分数。

OFD 与 PDF 互转,真正该比较的不是“谁先写出一个文件”,而是“谁在你的文档上,交付了可验证的正确结果”。


本文版本快照

方案
本轮版本 / 提交
zc310/ofd
v0.1.10-0.20261115081953-72f2d3bed048
xiaoqidun/ofdgo
v0.0.0-20261116024329-dde19a581445
ofdrw-rs Go bindings 与原生库
v0.5.0
ofdbox-folio
36e6877
sOFD
65cff46
easyofd-rust
0.1.4
Python easyofd
20260427
Java ofdrw
2.5.1
@miconvert/ofd-to-pdf
0.2.3
Python pdf2ofd
0.1.0
@hufe921/jsofd
1.0.1

项目与数据来源

  • • 基准仓库:https://github.com/zc310/ofd-benchmark
  • • 测试样本:https://github.com/zc310/ofd-fixtures
  • • 本文量化数据对应基准仓库提交:8292d3d5a9198bcebd1f3382f2b97a912305557b。
  • • OFD→PDF 完整报告(本文快照)
  • • PDF→OFD 完整报告(本文快照)
  • • 原始结果 YAML(本文快照)

具体库的成功率、速度和质量可能随版本变化。本文描述本轮样本,不对后续版本或所有业务文档作承诺。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料