GxPDF v0.1.0: Pure Go에서 100% 테이블 추출 정확도

Source: Dev.to

PDF 라이브러리의 문제점

PDF 작업을 해본 모든 Go 개발자는 그 고통을 알고 있습니다:

은행 명세서에서 표를 추출해야 했습니다 – 여러 페이지에 걸쳐 740개의 거래가 있었습니다. 상용 라이브러리는 작동했지만, 오픈‑소스 프로젝트에 비용이 부담스러웠습니다.

해결책: GxPDF를 만들었습니다.

GxPDF란?

GxPDF는 순수 Go PDF 라이브러리로 읽기와 생성을 모두 지원합니다.

• CGO 없음
• 외부 의존성 없음
• MIT 라이선스

# Install CLI
go install github.com/coregx/gxpdf/cmd/gxpdf@v0.1.0

# Or use as a library
go get github.com/coregx/gxpdf@v0.1.0

핵심 혁신 – 4‑Pass Hybrid Detection

표 추출은 어렵습니다. PDF에는 “표”가 포함되어 있지 않고, 좌표에 흩어져 배치된 텍스트 요소가 포함되어 있습니다. 대부분의 알고리즘은 다음과 같은 경우에 실패합니다:

• 여러 줄 셀 (줄 바꿈이 있는 설명)
• 테두리 누락 (현대적인 디자인)
• 병합된 셀
• 헤더와 데이터 구분

GxPDF는 4‑Pass Hybrid Detection 알고리즘을 사용합니다:

Pass 4 insight: 거래 행은 금액을 포함하고, 연속 행은 포함하지 않습니다.

// Works on ALL banks without configuration
isTransactionRow := hasAmount(row)   // Has amount = new transaction
isContinuation   := !hasAmount(row)   // No amount = continuation of previous

이 보편적인 구분자는 다양한 PDF 생성기, 레이아웃 및 은행 형식에 걸쳐 작동합니다.

결과 – 100 % 정확도

실제 은행 명세서로 테스트:

모든 거래가 정확히 추출되었으며, 모든 다중 행 설명이 그대로 보존되었습니다.

코드 예시

PDF에서 표 추출

package main

import (
    "fmt"
    "log"

    "github.com/coregx/gxpdf"
)

func main() {
    // Open PDF
    doc, err := gxpdf.Open("bank_statement.pdf")
    if err != nil {
        log.Fatal(err)
    }
    defer doc.Close()

    // Extract all tables
    tables := doc.ExtractTables()

    for _, t := range tables {
        fmt.Printf("Table: %d rows x %d cols\n",
            t.RowCount(), t.ColumnCount())

        // Access rows
        for _, row := range t.Rows() {
            fmt.Println(row)
        }
    }
}

CSV / JSON으로 내보내기

// Export to CSV
csv, _ := table.ToCSV()
fmt.Println(csv)

// Export to JSON
json, _ := table.ToJSON()
fmt.Println(json)

// Write to file
file, _ := os.Create("output.csv")
table.ExportCSV(file)

PDF 생성

package main

import (
    "log"

    "github.com/coregx/gxpdf/creator"
)

func main() {
    c := creator.New()
    c.SetTitle("Invoice")
    c.SetAuthor("GxPDF")

    page, _ := c.NewPage()

    // Add text with Standard 14 fonts
    page.AddText("Invoice #12345", 100, 750, creator.HelveticaBold, 24)
    page.AddText("Amount: $1,234.56", 100, 700, creator.Helvetica, 14)

    // Draw graphics
    opts := &creator.RectOptions{
        StrokeColor: &creator.Black,
        FillColor:   &creator.LightGray,
        StrokeWidth: 1.0,
    }
    page.DrawRect(100, 600, 400, 50, opts)

    // Save
    if err := c.WriteToFile("invoice.pdf"); err != nil {
        log.Fatal(err)
    }
}

CLI 도구

GxPDF는 빠른 작업을 위한 CLI를 포함합니다:

# Extract tables
gxpdf tables invoice.pdf
gxpdf tables bank.pdf --format csv > transactions.csv
gxpdf tables report.pdf --format json

# Get PDF info
gxpdf info document.pdf

# Extract text
gxpdf text document.pdf

# Merge PDFs
gxpdf merge part1.pdf part2.pdf -o combined.pdf

# Split PDF
gxpdf split document.pdf --pages 1-5 -o first_five.pdf

기능 매트릭스

아키텍처

internal/
├── document/       # Document model
├── encoding/       # FlateDecode, DCTDecode
├── extractor/      # Text, image, graphics
├── fonts/          # Standard 14 + embedding
├── models/         # Data structures
├── parser/         # PDF parsing
├── reader/         # PDF reader
├── security/       # RC4/AES encryption
├── tabledetect/    # 4‑Pass Hybrid algorithm
└── writer/         # PDF generation

깨끗하게 분리되었습니다. CGO가 없습니다. 순수 Go로 위에서 아래까지 구현되었습니다.

성능

벤치마크

sync.Pool 로 최적화됨

PDF 생성 벤치마크:

BenchmarkNewPage-8        50000    28.4 µs/op
BenchmarkAddText-8       100000    11.2 µs/op
BenchmarkWriteToFile-8    5000   312.5 µs/op

다음은

• Form Filling – 기존 PDF 양식 채우기
• Digital Signatures – PDF에 암호화 서명하기
• SVG Import – 벡터 그래픽 지원
• PDF Rendering – 페이지를 이미지로 변환

We Need Your PDFs

This is v0.1.0 — our first public release. We’ve tested on bank statements, invoices, and reports, but PDFs are infinitely diverse.

We need testers with real documents:

• Corporate reports with complex tables
• Invoices from different countries and formats
• Scanned documents with OCR layers
• Multi‑language PDFs (CJK, Arabic, Hebrew)
• Legacy PDFs from old generators
• Edge cases that break other libraries

If GxPDF fails on your document, that’s valuable data. Open an issue, attach the PDF (or a sanitized version), and we’ll fix it.

Our goal is enterprise‑grade quality. Not “good enough for hobby projects” — we want GxPDF to handle production workloads at scale. The 740/740 accuracy on bank statements is our baseline, not our ceiling.

사용해 보기

go install github.com/coregx/gxpdf/cmd/gxpdf@v0.1.0
gxpdf version

저장소:

문서와 예제는 저장소에 있습니다. 이슈와 PR을 환영합니다.

GxPDF는 MIT 라이선스를 가지고 있습니다. 상업적 제한 없이 실제 PDF 라이브러리가 필요했던 Go 커뮤니티를 위해 만들어졌습니다.