pdf-inspector：自动识别 PDF 是文字版还是扫描版，秒转 Markdown

开源工具 pdf-inspector 自动判断 PDF 类型并提取为 Markdown，支持多语言接口。

别再盲目 OCR 了！先让 pdf-inspector 看看你的 PDF

很多人处理 PDF 时，上来就无脑跑 OCR，结果发现一半以上的 PDF 本身就是文字版，白白浪费时间和算力。

Firecrawl 团队开源的 pdf-inspector 能自动判断 PDF 是文字版还是扫描版：

• 文字版：直接提取文本并转成 Markdown
• 扫描版：再走 OCR 也不迟

亮点

• 极速：最快 200 毫秒完成提取
• 结构还原：支持表格检测、多栏排版识别、标题层级还原
• 输出干净：生成的 Markdown 结构清晰，可直接使用

接口齐全

提供四套接口，任你挑选：

• Python
• Node.js
• Rust
• 浏览器端（WebAssembly 直接跑，无需后端）

搞文档处理开发的朋友，拿它做 PDF 前置分类和提取，非常顺手。

GitHub 仓库：http://github.com/firecrawl/pdf-inspector

下载链接

GitHub：
http://github.com/firecrawl/pdf-inspector