pdf-inspector PDF 分类与文本提取

一个跑在本地的高性能 PDF 智能分类与文本/排版提取引擎。

精准分流（智能路由）： 在 10~50ms 内快速判定一份 PDF 到底属于原生可提取文本、纯扫描件、纯图片还是混合件。避免把超 50% 本就能直接提取文本的原生 PDF 傻傻送进昂贵又耗时的 OCR 接口。

零 OCR 无损转 Markdown： 直接从原生 PDF 内容流里高保真还原分级标题（H1-H4）、代码块、列表、多栏报纸排版，以及财务对齐表格，直接输出结构清晰、适合喂给 LLM 的 clean Markdown。

项目地址：https://github.com/firecrawl/pdf-inspector