Schnelle und native PDF-Textverarbeitung

Ich muss die PDF-Datei, die ich habe, analysieren. Klassifizieren Sie diese Datei, um festzustellen, ob es sich um ein textbasiertes oder ein gescanntes Dokument handelt. Wenn es textbasiert ist, konvertieren Sie es in ein sauberes Markdown-Format und behalten dabei den Text, die Tabellen und Überschriften bei. Bestimmen Sie die Lesereihenfolge korrekt, indem Sie die Struktur- und Schriftartinformationen der Datei selbst verwenden, ohne OCR zu verwenden.

Repository: https://github.com/firecrawl/pdf-inspector. Richte dich bei der Installation und Ausführung nach den offiziellen Anweisungen in der README-Datei dieses Repositorys.

Prüfe vor dem Start, unter welchem Betriebssystem wir arbeiten und ob die notwendigen Tools (z. B. Python, Node.js, Git, Docker) installiert sind. Installiere fehlende Tools schrittweise entsprechend diesem System.

Erstelle einen neuen, leeren Ordner für die Arbeit. Rühre keine Dateien außerhalb dieses Ordners an und lösche nichts. Sag mir vor jedem Befehl in einem Satz, was du tun wirst.

Sag mir, was ich am Ende jedes Schrittes auf dem Bildschirm sehen sollte. Wenn ein Fehler auftritt, füge ich die Fehlermeldung exakt so ein, wie sie ist, und wir beheben sie gemeinsam.