pdf-inspector firecrawl

Fast Rust library for PDF inspection, classification, and text extraction. Intelligently detects scanned vs text-based PDFs to enable smart routing decisions.

主要语言
Rust
Stars
15,353
Forks
1,058

标签

  • 库/SDK
  • 文件管理
  • WebAssembly
  • 后端
  • RAG
  • 微基准测试

摘要

pdf-inspector 是由 Firecrawl 构建的高性能 Rust 库，专注于 PDF 的智能分类与文本提取。它能在 10-50ms 内检测 PDF 是文本型、扫描型、图像型还是混合型，并将文本内容转换为结构化 Markdown，支持多列布局、表格检测、标题层级识别等。该项目无需 OCR 或 ML 模型，对约 54% 无需 OCR 的文本型 PDF 可在 200ms 内完成本地处理，大幅降低成本；同时提供 Python、Node.js、浏览器 WebAssembly 及 CLI 多端绑定，适用于报告、论文、财务文档等场景。

README

# pdf-inspector [![Crates.io](https://img.shields.io/crates/v/pdf-inspector.svg)](https://crates.io/crates/pdf-inspector) [![npm](https://img.shields.io/npm/v/@firecrawl/pdf-inspector.svg)](https://www.npmjs.com/package/@firecrawl/pdf-inspector) [![PyPI](https://img.shields.io/pypi/v/pdf-inspector.…

查看完整页面