Schnelle und native PDF-Textverarbeitung
PDF Inspector, entwickelt von Firecrawl, ist eine schnelle Rust-Bibliothek zum Überprüfen, Klassifizieren und Extrahieren des Texts von PDF-Dateien. Es ermöglicht intelligente Routing-Entscheidungen in Datenverarbeitungsprozessen, indem es gescannte Dokumente von textbasierten Dateien unterscheidet.
Aktualisierungen
- 8. September 2026: Sterne 18,684 → 18,936, neueste Version v1.18.0 (8. September 2026).
- 3. September 2026: Sterne 17,255 → 18,684, neueste Version v1.15.0 (17. August 2026).
- 31. August 2026: Sterne 16,077 → 17,255, neueste Version v1.15.0 (17. August 2026).
- 18. August 2026: Sterne 15,659 → 16,077, neueste Version v1.15.0 (17. August 2026).
Was es bringt
- Klassifiziert PDF-Dateien in Sekundenschnelle
- Konvertiert Texte fehlerfrei in das Markdown-Format
- Es sind keine OCR-Dienste (Optical Character Recognition) erforderlich
Installation
pip install maturin
maturin develop --releasenpm install @firecrawl/pdf-inspectorWenn Sie nicht programmieren
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.
Verwandte Begriffe aus dem Glossar
Links
TreScout hat dieses Werkzeug nicht entwickelt · wir haben es in den GitHub-Trends gefunden und stellen es vor. Diese Seite beschreibt das Repository so, wie es am 2026-08-04 war: Die Anzahl der Sterne und unser Text stammen von diesem Tag, das Repository kann sich seitdem geändert haben. Den aktuellen Stand finden Sie über den Link zum Repository. Diese Seite wurde maschinell übersetzt aus dem türkischen Original · maßgeblich ist die türkische Fassung.