Если нужен открытый инструмент для работы с PDF, выбор зависит от задачи: библиотека для встраивания в код, утилита командной строки, веб-приложение для команды или настольная программа. Ниже собраны проекты из каталога Stackora, сгруппированные по сценариям: извлечение данных, OCR, редактирование и конвертация, подпись, просмотр и управление документами.
Библиотеки для разработчиков
Извлечение структуры и подготовка данных
Docling - Python-библиотека под лицензией MIT, которая разбирает PDF, DOCX, PPTX, HTML и другие форматы в структурированные данные. Она подходит для конвейеров генеративного ИИ, где нужен не просто текст, а структура документа. Проект публикует docling-project.
PyMuPDF - высокопроизводительная библиотека для Python, построенная на движке MuPDF. Она умеет извлекать, анализировать, конвертировать и изменять PDF и другие документы. Важно учитывать лицензию: PyMuPDF распространяется под AGPL-3.0, и для закрытых коммерческих продуктов это нужно проверить отдельно. Разработчик - pymupdf.
Просмотр в браузере
pdf.js - библиотека на JavaScript под лицензией Apache-2.0, которая разбирает и отрисовывает PDF в браузере на HTML5. Это базовый выбор, если PDF нужно показывать прямо в веб-интерфейсе. Проект ведется командой mozilla.
Конвертация в PDF
Gotenberg - API в Docker-контейнере для конвертации документов в PDF: HTML, URL, Markdown и файлы Office. Его преимущество в том, что не нужно самостоятельно поддерживать Chromium или LibreOffice. Лицензия MIT, издатель - gotenberg.
OCR и обработка сканов
OCRmyPDF - инструмент командной строки, который добавляет в отсканированные PDF текстовый слой с возможностью поиска и превращает файлы в PDF/A. Лицензия MPL-2.0, разработчик - ocrmypdf. Подходит для пакетной обработки и скриптов.
Редактирование, слияние и конвертация
Комплексные платформы
Stirling-PDF - открытая PDF-платформа для редактирования, объединения, конвертации, подписи и редактирования с удалением данных. Работает в браузере, на десктопе или на собственном сервере. Издатель - Stirling-Tools. Если нужен один инструмент для большинства операций, начните с него.
Настольные приложения
pdfarranger - бесплатное приложение на GTK для объединения, разделения, поворота, обрезки и перестановки страниц в интерактивном интерфейсе. Лицензия GPL-3.0, проект pdfarranger.
Подпись документов
Documenso - открытое приложение для электронной подписи, альтернатива DocuSign, которое можно развернуть самостоятельно. Лицензия AGPL-3.0, разработчик - documenso. Для команды, которой нужен контроль над данными подписания, это прямой вариант.
Просмотр и управление документами
Sioyek - быстрая настольная программа для чтения PDF, ориентированная на учебники и научные статьи, с переходами к рисункам и ссылкам. Лицензия GPL-3.0, издатель - ahrm.
Paperless-ngx - система управления документами, которая сканирует, индексирует и архивирует бумажные документы в доступный для поиска архив. Лицензия GPL-3.0, проект paperless-ngx.
Docspell - помощник в организации документов из сканеров, почты и других источников с минимальными усилиями. Лицензия AGPL-3.0, разработчик - eikek.
ИИ-агенты и выход в PDF
Kami - набор правил оформления и шаблонов, который позволяет ИИ-агентам экспортировать результат в PDF, PNG и редактируемый PowerPoint. Лицензия MIT, издатель - tw93. Полезен, если агент формирует отчеты и их нужно выдавать в виде документов. Каталог агентов и навыков доступен на странице агентских навыков.
Как выбрать
- Нужна библиотека внутри приложения: для Python смотрите Docling и PyMuPDF, для браузера - pdf.js. Не забудьте проверить лицензию, особенно AGPL у PyMuPDF.
- Нужна обработка большого числа сканов: OCRmyPDF в скриптах или Stirling-PDF как сервис.
- Нужно конвертировать HTML или Office в PDF на сервере: Gotenberg избавляет от управления браузерным движком и офисным пакетом.
- Нужна подпись с хранением данных внутри компании: Documenso.
- Нужен архив и поиск по бумажным документам: Paperless-ngx или Docspell.
- Нужен просмотр и правка на рабочем столе: Sioyek для чтения научной литературы и pdfarranger для работы со страницами.
Итог
Для разработчика, который встраивает работу с PDF в продукт, разумно начать с библиотек: Docling или PyMuPDF для обработки, pdf.js для показа и Gotenberg для конвертации. Для команды, которой нужен готовый инструмент, подойдут Stirling-PDF или Paperless-ngx. Перед внедрением сверьте лицензию каждого проекта с условиями вашего использования, особенно при выборе проектов под AGPL и GPL. Все перечисленные инструменты есть в каталоге Stackora, на страницах библиотек и веб-приложений можно сравнить их дальше.