@ firecrawl/pdf-督察 - wasm

浏览器 Web Assembly for pdf 检查员。将 PDF 进行分类,并从本地提取结构化的 Markdown Uint8Array,使用与原生节点.js,Python,和Rust包相同的Rust核.

安装

npm install @firecrawl/pdf-inspector-wasm

使用量

import init, { processPdf } from "@firecrawl/pdf-inspector-wasm";

await init();

const response = await fetch("/annual-report.pdf");
const pdf = new Uint8Array(await response.arrayBuffer());
const result = processPdf(pdf);

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

需要选择的页面或压缩标记时通过选项 :

const result = processPdf(pdf, {
  pages: [1, 3, 5],
  profile: "compact",
  includePageMarkers: true,
});

该套件还输出:

• detectPdf(pdf, options?) 用于检测而不提取.
• classifyPdf(pdf) 用于与原生节点.js API共享的轻量级结果形状.
• extractText(pdf) 用于纯文本.
• version() 用于WASM软件包版本.

浏览器行为

• 解析运行于本地. PDF 字节没有上传到任何地方 .
• 建筑为单层结构,不需要跨出源隔离.
• CMaps被嵌入,所以CJK字体解码不依赖于文件系统.
• 提取在之后是同步的 init()。对于大型文档,请从Web Worker调用,以保持UI响应.
• 只有图像的文档仍然需要单独的OCR步骤.

从源头构建

cargo install wasm-pack --version 0.15.0 --locked
wasm-pack build wasm --target web --scope firecrawl --release

许可证

麻省理工学院