OCR 없이 PDF를 읽는 러스트 라이브러리
pdf-inspector · 초고속 PDF 딸깍 도구
논문 PDF 여덟 편을 마크다운으로 바꾸는 데 53초가 걸렸습니다. 같은 파일을 pdf-inspector로 돌리니 0.7초에 끝났습니다.
Firecrawl이 만든 러스트 라이브러리입니다. PDF가 스캔본인지 텍스트본인지 먼저 가려내고 텍스트본은 OCR 없이 바로 마크다운으로 바꿉니다. 별 14,491개 MIT 라이선스입니다.
- 파이썬은 pip install pdf-inspector 로 깔립니다
- 노드는 @firecrawl/pdf-inspector 브라우저는 WebAssembly로도 돌아갑니다
- 스캔본 판별은 우리 파일 아홉 개에서 길어야 34밀리초였습니다
- 공식 벤치는 PDF 200편 기준 종합 0.875와 표 추출 0.814로 둘 다 1위입니다
firecrawl/pdf-inspector
Fast Rust library for PDF inspection, classification, and text extraction. Intelligently detects scanned vs text-based PDFs to enable smart routing decisions.
- GitHub 별
- 19,724
- 라이선스
- MIT
- 언어
- Rust
- 확인한 날
- 2026.10.23
설치 · 출처 README
pip install pdf-inspector출처 pdf-inspector (github.com/firecrawl/pdf-inspector)
광고
카드 내용
- 직접 재봤습니다논문 여덟 편이 0.7초 만에 열립니다
같은 파일을 세 도구로 마크다운으로 바꿔 봤습니다. pymupdf4llm은 53초였고 markitdown은 15.1초였습니다. 224쪽을 통째로 처리한 시간입니다.
- 핵심 기능스캔본인지 먼저 가려냅니다
여덟 편은 텍스트본 스캔본 한 편은 스캔본으로 잡았습니다. 판별에 걸린 시간은 길어야 34밀리초였습니다. OCR을 돌릴 파일만 골라 보낼 수 있습니다.
- 변환 결과표가 표로 나옵니다
글자 위치와 폰트 크기를 보고 제목과 표를 알아냅니다. 31쪽짜리 논문 한 편이 0.1초에 끝났습니다.
ASAP 직접 실행 · arXiv 2503.09516
광고
