把 PDF 拆成
干净的 Markdown。

// npm install @firecrawl/pdf-inspector
import { readFileSync } from 'fs';
import { processPdf, classifyPdf } from '@firecrawl/pdf-inspector';

const result = processPdf(readFileSync('document.pdf'));
console.log(result.pdfType);   // TextBased · Scanned · ImageBased · Mixed
console.log(result.markdown);  // Markdown 字符串或 null

// npm install @firecrawl/pdf-inspector-wasm
import init, { processPdf } from '@firecrawl/pdf-inspector-wasm';

await init();
const response = await fetch('/document.pdf');
const pdf = new Uint8Array(await response.arrayBuffer());
const result = processPdf(pdf);

console.log(result.pdfType);
console.log(result.markdown);

// [dependencies] pdf-inspector = "0.1"
use pdf_inspector::process_pdf;

let result = process_pdf("document.pdf")?;
println!("Type: {:?}", result.pdf_type);
if let Some(markdown) = &result.markdown {
    println!("{}", markdown);
}

# 安装 CLI
cargo install pdf-inspector

# 转换为 Markdown
pdf2md document.pdf

# JSON 输出（用于管道）
pdf2md document.pdf --json

# 带位置 TextItem JSON（含 is_underline 元数据）
pdf2md document.pdf --items-json

# 纯 markdown（无头部）
pdf2md document.pdf --raw

# 插入分页标记 <!-- Page N -->
pdf2md document.pdf --pages

# 仅处理指定页面
pdf2md document.pdf --select-pages 1,3,5-10

# 仅检测（不提取）
detect-pdf document.pdf
detect-pdf document.pdf --json

# 检测 + 布局分析（表格、栏位）
detect-pdf document.pdf --analyze --json