firecrawl/pdf-inspector

PDF Inspector 只依赖 Rust 的 `lopdf`，不用 OCR、机器学习或外部服务，按页区分 TextBased、Scanned、ImageBased 与 Mixed，并抽取坐标、字体、阅读顺序、多栏、RTL、H1-H4 和表格。README 在 2026-07-31 用 M4 Pro 测试 200 份 PDF，报告总分 0.875、总耗时 0.470 秒，其中阅读顺序 0.915、表格 0.814、标题 0.788。它最合理的角色是廉价前置分流：先让可解析文本 PDF 走快速路径，把真正的扫描件交给 OCR，而不是宣称消灭 OCR。