一半的PDF根本不用OCR：这个Rust库20ms就能

Firecrawl 开源的 pdf-inspector，专给 PDF 做“体检”。
它先用 20 毫秒判断要不要 OCR，免得你花冤枉钱。

先筛再治：一半以上的 PDF 本来就有文字层。全丢给 OCR 又慢又容易错。这库直接采样扫几页，毫秒级就能分出纯文字、扫描件或混合文档。
逐页路由：遇到前后不一的合同，它能精准揪出缺文字的页面。只把那两页送去 OCR，剩下的本地秒抽。
提取够细：抽出来的文本自带坐标和字体。多栏排版不乱，中日韩文也不易变乱码。还能直接转成干净的 Markdown，连目录点线都能折叠省 token。
表格是强项：靠画线和文本对齐双管齐下。跑分比同类工具高一倍，处理 200 份文档只要 0.47 秒。

不过它也有边界：如果全是扫描件，它就只剩“催你 OCR”的命了。复杂杂志排版也搞不定。

说白了，它不是来替代解析库的。它是流水线最前面的闸门。