Processamento de texto PDF rápido e nativo
PDF Inspector, desenvolvido pela Firecrawl, é uma biblioteca Rust rápida projetada para examinar, classificar e extrair o texto de arquivos PDF. Ele permite que decisões inteligentes de roteamento sejam tomadas em processos de processamento de dados, distinguindo documentos digitalizados de arquivos baseados em texto.
Atualizações
- 28 de setembro de 2026: Estrelas 19,360 → 19,394, versão mais recente v1.25.2 (28 de setembro de 2026).
- 27 de setembro de 2026: Estrelas 19,121 → 19,360, versão mais recente v1.24.0 (23 de setembro de 2026).
- 15 de setembro de 2026: Estrelas 18,994 → 19,121, versão mais recente v1.20.0 (15 de setembro de 2026).
- 10 de setembro de 2026: Estrelas 18,936 → 18,994, versão mais recente v1.19.0 (9 de setembro de 2026).
O que você ganha
- Classifica arquivos PDF em segundos
- Converte textos para o formato Markdown sem erros
- Não há necessidade de serviços de reconhecimento óptico de caracteres (OCR)
Instalação
pip install maturin
maturin develop --releasenpm install @firecrawl/pdf-inspectorSe você não programa
Preciso analisar o arquivo PDF que possuo. Classifique este arquivo para ver se ele é baseado em texto ou é um documento digitalizado. Se for baseado em texto, converta-o para um formato Markdown limpo, preservando o texto, tabelas e títulos. Determine a ordem de leitura corretamente usando a estrutura e as informações de fonte do próprio arquivo, sem usar OCR.
Repositório: https://github.com/firecrawl/pdf-inspector. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.
Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.
Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.
Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-08-04: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.