XNews

Firecrawl 的 pdf-inspector:自动检测 PDF 类型,200 毫秒内提取为 Markdown

Firecrawl 的 pdf-inspector:自动检测 PDF 类型,200 毫秒内提取为 Markdown

Firecrawl 开源了 pdf-inspector,这是一款能够自动判断 PDF 是基于文本还是扫描件的工具。对于文本型 PDF,它可直接提取文本并转换为整洁的 Markdown 格式,支持表格检测、多栏布局识别和标题层级还原,速度最快可达 200 毫秒。该工具提供 Python、Node.js、Rust 及浏览器(WebAssembly)接口,可在无后端的场景下使用,适用于文档处理流水线中的 PDF 预分类与提取。

Source posts