Самый быстрый PDF-парсер

Firecrawl открыла исходный код PDF Inspector, инструмента для быстрого разбора PDF-файлов прямо на устройстве.

Он извлекает текст, таблицы, заголовки и подписи к графикам, после чего превращает содержимое документа в чистый Markdown. OCR и облачные модели не нужны.

Скорость обработки одного файла от 1 до 20 миллисекунд. Набор из 200 PDF-файлов инструмент обработал за 2,8 секунды.

Основная часть написана на Rust. PDF Inspector можно использовать отдельно или встроить в систему, которая отправляет на OCR только отсканированные документы. Исходный код открыт.