Procesamiento de texto PDF nativo y rápido
PDF Inspector, desarrollado por Firecrawl, es una biblioteca rápida de Rust diseñada para inspeccionar, clasificar y extraer el texto de archivos PDF. Permite tomar decisiones de enrutamiento inteligentes en los procesos de procesamiento de datos al distinguir los documentos escaneados de los archivos basados en texto.
Actualizaciones
- 28 de septiembre de 2026: Estrellas 19,360 → 19,394, última versión v1.25.2 (28 de septiembre de 2026).
- 27 de septiembre de 2026: Estrellas 19,121 → 19,360, última versión v1.24.0 (23 de septiembre de 2026).
- 15 de septiembre de 2026: Estrellas 18,994 → 19,121, última versión v1.20.0 (15 de septiembre de 2026).
- 10 de septiembre de 2026: Estrellas 18,936 → 18,994, última versión v1.19.0 (9 de septiembre de 2026).
Qué aporta
- Clasifica archivos PDF en segundos
- Convierte textos a formato Markdown sin errores
- No hay necesidad de servicios de reconocimiento óptico de caracteres (OCR)
Instalación
pip install maturin
maturin develop --releasenpm install @firecrawl/pdf-inspectorSi no programa
Necesito analizar el archivo PDF que tengo. Clasifique este archivo para ver si está basado en texto o es un documento escaneado. Si está basado en texto, conviértalo a un formato Markdown limpio, conservando el texto, las tablas y los encabezados. Determina correctamente el orden de lectura utilizando la propia estructura del archivo y la información de fuentes, sin utilizar OCR.
Repositorio: https://github.com/firecrawl/pdf-inspector. Sigue las instrucciones oficiales del archivo README de este repositorio para la instalación y ejecución.
Antes de empezar, comprueba en qué sistema operativo estamos y si las herramientas necesarias (ej. Python, Node.js, Git, Docker) están instaladas. Instala las que falten paso a paso según este sistema.
Crea una carpeta nueva y vacía para trabajar. No toques ningún archivo fuera de esta carpeta y no borres nada. Antes de ejecutar cada comando, dime qué vas a hacer en una frase.
Dime qué debería ver en la pantalla al final de cada paso. Si ocurre un error, te pegaré el mensaje de error tal cual y lo solucionaremos juntos.
Términos relacionados del glosario
Enlaces
TreScout no desarrolló esta herramienta · la encontramos en las tendencias de GitHub y la presentamos. Esta página describe el repositorio tal como estaba el 2026-08-04: El número de estrellas y nuestro texto son de ese día, el repositorio puede haber cambiado desde entonces. Consulte el enlace del repositorio para ver el estado actual. El texto de presentación se preparó con IA a partir de la propia documentación del repositorio y esta página se tradujo automáticamente del original en turco · prevalece la versión turca.