Firecrawl 又开源了一个 PDF 处理库：pdf-inspector。

李志涛

Firecrawl 又开源了一个 PDF 处理库：pdf-inspector。

Rust 编写，主打快速分类 + 文本提取，不用 OCR 就能处理文本型 PDF：

① 自动判断 PDF 是文本版还是扫描版
② 提取带坐标信息的文字，并转成 Markdown
③ 支持 Python、Node.js 和 WebAssembly
④ 文本型 PDF 本地处理通常 200ms 内
官方测试称，大约 54% 的文档可以直接跳过 OCR，减少外部服务调用。

不过扫描版 PDF 还是得配合 OCR，主要适合处理文本型文档。
🔗 https://github.com/firecrawl/pdf-inspector