解决的是一个很实际的问题：并不是所有 PDF 都需要 OCR。
比方说你扔给它一个 PDF，它先判断这个 PDF 到底是什么类型——是正常的文字版（比如用 Word 导出的）、还是扫描版（图片），然后决定怎么处理。如果是文字版，直接本地提取，几百毫秒搞定；如果是扫描版，再走 OCR 服务。这样就避免了把每一个 PDF 都送去做 OCR，省钱省时间。很适合文档智能、知识库构建、RAG 数据预处理等情景。
https://github.com/firecrawl/pdf-inspector
实用开源小工具推荐：pdf-inspector解决的是一个很实际的问题：并不是所有 PDF 都需要 OCR
- 实用开源小工具推荐：pdf-inspector
解决的是一个很实际的问题：并不是所有 PDF 都需要 OCR。
比方说你扔给它一个 PDF，它先判断这个 PDF 到底是什么类型——是正常的文字版（比如用 Word 导出的）、还是扫描版（图片），然后决定怎么处理。如果是文字版，直接本地提取，几百毫秒搞定；如果是扫描版，再走 OCR 服务。这样就避免了把每一个 PDF 都送去做 OCR，省钱省时间。很适合文档智能、知识库构建、RAG 数据预处理等情景。
https://github.com/firecrawl/pdf-inspector
