pdf-inspector 自带两个命令行工具，随 crate 一起发布——cargo install pdf-inspector 一条命令装好，不用写任何代码就能完成 PDF 分类和 Markdown 转换。npm 包也内置了 CLI，装 Node 版同样能用。

安装

# Rust 工具链用户
cargo install pdf-inspector

# 或 Node 用户（npm 包内置）
npm install -g @firecrawl/pdf-inspector

装完会得到两个可执行文件：

工具	干什么	典型耗时
detect-pdf	判定文档类型 + 分析信息	~10–50ms
pdf2md	完整解析，输出 Markdown	文本型 <200ms

detect-pdf：先问一句「能不能直接提」

# 快速判定
detect-pdf document.pdf

# 带分析信息 + JSON 输出（推荐）
detect-pdf document.pdf --analyze --json

JSON 输出里最有用的是这几项：

{
  "pdfType": "TextBased",
  "confidence": 0.92,
  "pagesNeedingOcr": []
}

拿到 TextBased 就放心跑 pdf2md；拿到 Scanned / Mixed 就知道哪些页要送 OCR——这条「先判定再路由」的链路是官方推荐的省钱姿势。

pdf2md：一条命令转 Markdown

# 输出到终端
pdf2md annual-report.pdf

# 输出到文件
pdf2md annual-report.pdf -o report.md

# 只处理部分页
pdf2md annual-report.pdf --pages 1-3

# 结构化 JSON（含元数据，方便程序消费）
pdf2md annual-report.pdf --json

# 省 token 的紧凑输出（喂 LLM 前）
pdf2md annual-report.pdf --compact

参数速查

用法	说明
pdf2md <file>	解析文件，Markdown 到 stdout
pdf2md <file> -o out.md	输出到指定文件
pdf2md <file> --pages 1-3	只处理指定页
pdf2md <file> --select-pages	交互式选择页
pdf2md <file> --compact	紧凑模式，省 token
pdf2md <file> --json	结构化 JSON 输出
detect-pdf <file>	快速类型判定
detect-pdf <file> --analyze --json	判定 + 分析信息

常见组合

批量转换目录

for f in *.pdf; do
  pdf2md "$f" -o "${f%.pdf}.md"
done

先判定再转换的路由脚本

type=$(detect-pdf "$f" --analyze --json | jq -r '.pdfType')
if [ "$type" = "TextBased" ]; then
  pdf2md "$f" -o "${f%.pdf}.md"
else
  echo "跳过 $f：$type 需要 OCR"
fi

接进管道

pdf2md annual-report.pdf --compact | your-llm-loader

小提示

• 首次 cargo install 需要编译几分钟，之后就是原生速度
• Windows / macOS ARM / Linux x64·ARM64 都有预编译二进制，npm 方式免编译
• 更多参数以官方仓库 README 与 --help 输出为准

上一页WebAssembly

下一页pdf-inspector 错误处理与限制 - 排查指南