easyvibecoding 7小时前 · 2026-09-01 05:35:19 · 1 阅读

Firecrawl 開源 pdf-inspector:純 Rust 本… — EasyVibeCoding

AI 語音朗讀 · Edge TTS

Firecrawl 開源 pdf-inspector：純 Rust 本機解析引擎，PDF 不經 OCR 直接轉成結構化 Markdown。

核心發布 Firecrawl 表示，pdf-inspector 與自家 OCR 模型一起驅動 /parse，每頁處理速度可達 0.002 秒；Nicolas Camara 指出，分類 PDF 約需 20ms、200 份 PDF 可在 2.8 秒完成，並能在本機擷取高品質表格與圖表內容。Firecrawl 說明，約 54% 的 PDF 並不需要 OCR，這類純文字 PDF 在本機可於 200 毫秒內處理完成。專案由 Firecrawl 開源（github.com/firecrawl/pdf-inspector），採 MIT 授權；Nicolas Camara 另發文致謝 @abimaelmartell 主導開發。

技術能力 pdf-inspector 可辨識 TextBased、Scanned、ImageBased 與 Mixed PDF，回傳信心分數及需要 OCR 的頁碼；它支援文字位置、字型資訊、多欄閱讀順序、RTL 文字、CID 字型與編碼問題偵測，並能將標題、清單、程式碼區塊、表格、粗體／斜體、超連結與分頁轉成 Markdown。整體採純 Rust、無 ML model、無外部服務，文件只解析一次，也可透過 Python、Node.js、瀏覽器 WebAssembly 與 Rust 使用。

效能與定位 在 2026 年 7 月 31 日、Apple M4 Pro 上的 200 份 PDF opendataloader-bench 測試中（該測試只列入不使用模型解析的本機引擎，且關閉 OCR），pdf-inspector 整體分數 0.875、閱讀順序 0.915、表格 0.814，完整執行速度 0.470 秒；相較 LiteParse 的 0.750 秒、OpenDataLoader 的 2.569 秒與 PyMuPDF4LLM 的 17.117 秒，整體、閱讀順序、表格與速度表現均具優勢，但標題分數 0.788 低於 LiteParse 的 0.811。其最適合原生文字 PDF，例如研究報告、論文、財務文件、發票與法律文件。

Firecrawl 的發布圖：一份美國專利 PDF 正被 pdf-inspector 解析成 Markdown，圖上標示 Parsing 進行中

CLI 使用 來源提供以下完整指令：

cargo install pdf-inspector
pdf2md document.pdf
pdf2md document.pdf --json
pdf2md document.pdf --items-json
pdf2md document.pdf --raw
pdf2md document.pdf --compact
pdf2md document.pdf --pages
pdf2md document.pdf --select-pages 1,3,5-10
detect-pdf document.pdf
detect-pdf document.pdf --json
detect-pdf document.pdf --analyze --json

其中 --compact 可降低 token 使用量，--pages 插入頁碼標記，--select-pages 僅處理指定頁面；從原始碼建置時則使用 cargo run --bin pdf2md -- document.pdf 或 cargo run --bin detect-pdf -- document.pdf。

we open sourced the fastest pdf parser engine

pdf-inspector powers /parse together with our custom OCR models

0.002s per page https://t.co/W5b7flWnXv
— Firecrawl (@firecrawl) August 2, 2026

X 串文發布 · 2026/08/01 04:54台灣⌄

we built pdf-inspector so agents can process PDFs without waiting on OCR. it classifies any PDF in ~20ms and extracts clean markdown locally

→ 200 PDFs processed in 2.8s
→ top quality in extracting tables + graphs
→ built in rust
→ open sourcehttps://t.co/Wjp9kpTHXJ pic.twitter.com/giWEddU6ug
— Nicolas Camara (@nickscamara_) July 31, 2026

X 串文發布 · 2026/08/01 09:56台灣⌄

huge shoutout to @abimaelmartell for leading this!
— Nicolas Camara (@nickscamara_) August 1, 2026

證據與延伸閱讀

證據涵蓋：部分

此狀態只表示本站來源涵蓋程度，不保證法律或事實真偽。

Firecrawl 開源 pdf-inspector：純 Rust 本機解析引擎，PDF 不經 OCR 直接轉成結構化 Markdown。官方 Repositorygithub.com

原始来源： easyvibecoding

Firecrawl 開源 pdf-inspector:純 Rust 本… — EasyVibeCoding

證據與延伸閱讀

评论 (0)