处理一摞 PDF，最浪费的做法是每份都先做 OCR。OCR——把图片里的字识别成文本——适合扫描件，却比直接提取已有文字更耗时。Firecrawl 的开源 Rust 库 pdf-inspector 先给 PDF 分型：文本型、扫描型、图像型或混合型，再按页面决定是否转入 OCR。据项目方统计，约 54% 的 PDF 不需要 OCR；分类通过抽样检查内容流完成，约需 10—50 毫秒，并会给出置信度。
对文本型 PDF，它还能在本地提取文字及位置，整理多栏阅读顺序、标题和表格，再转成 Markdown；整个过程不调用 OCR。项目同时提供 Python、Node.js 和浏览器 WebAssembly 接口，后者可让解析直接在网页端运行。项目方在 200 份 PDF 上、关闭 OCR 后测试称，pdf-inspector 总分为 0.875，完整处理耗时 0.470 秒；测试使用 Apple M4 Pro，结果更新于 2026 年 7 月 31 日。这个库的价值不只是“解析更快”，而是先把文档送对窗口，避免为本可直接读取的 PDF 支付 OCR 的时间与服务成本；上述比例和性能仍来自项目方自测。