pdf-inspector

pdf-inspector

Rust 图库可用于 PDF 分类和文本提取。默认情况下,它可检测 PDF 是基于文本还是扫描的,具有位置感知功能的提取文本,并转换为无 OCR 的清晰 Markdown。原生 Rust 和 CLI 客户端可选择进行选择性 OCR。包含 Python、Node.js 和 浏览器 WebAssembly 的绑定。 由 Firecrawl 打造,可在 200 毫秒内本地处理基于文本的 PDF,为约 54% 不需要 OCR 服务的 PDF 省去了昂贵的 OCR 服务。

特性

• 智能分类 — 通过采样内容流，在 10-50 毫秒内检测基于文本、扫描、图像或混合的 PDF，并返回置信度分数（0.0-1.0）和每页的 OCR 路由。