Pdf-Inspector：用Rust实现毫秒级Pdf分级

处理 PDF 最烦的就是不知道该不该上 OCR。全上吧，文本页白白浪费几秒；全靠提取库硬提，扫出来的图又全是乱码。

Firecrawl 团队刚开源了个叫 Pdf-Inspector 的工具，专门干这个。它用 Rust 写的，核心思路就一句：先花十几毫秒看一眼这文件是啥类型，再决定怎么弄。

它自己不做 OCR，而是把活儿分得明明白白。纯文本的，直接提取并转成带格式的 Markdown；扫描的，全送去识别；混合的，连哪一页、哪个区域要 OCR 都标得清清楚楚。这样一筛，能省下大半的识别费。

速度也贼快。在 M4 Pro 上跑 200 份真实文档只要半秒出头，比主流工具快几十倍。而且表格、标题这些结构还原得挺准，评分全面领先。

说白了，这就是个聪明的“分流器”，专治各种排版混乱的 PDF。