專為 AI 代理人與結構化檢索打造

極速 PDF 本地結構解析 與 Markdown 轉換

直接在您的裝置上提取原生文字 PDF，精確重建多欄閱讀順序、表格結構與中繼資料。完全無須後端 API、零網路延遲、守護商業機密與隱私。

選擇或拖放 PDF 本機解析

拖放 PDF 檔案至此
原生文字或掃描影像 · 最大支援 100 MB
快速測試示範檔案
請選擇或拖放 PDF 檔案以開始本機檢查。

文件中繼資料 (Metadata) PDF DocInfo

標題 (Title)（未載入）
作者 (Author)（未載入）
主旨 (Subject)（未載入）
關鍵字 (Keywords)（未載入）
建立工具 (Creator)（未載入）
產生程式 (Producer)（未載入）
建立日期 (Created)（未載入）
修改日期 (Modified)（未載入）
字型編碼健全度（未載入）
尚未載入 PDF 檔案

請從左側拖放或點選上傳 PDF 檔案，解析後的 Markdown 內容與中繼資料將即時呈現在此處。

核心特點

輕量聚焦的 PDF 工具鏈

結合分類偵測、版面分析、表格恢復與語意 Markdown 轉換，以極致效能實現高品質文件理解。

01 · detector.rs

文件分類與評估

即時辨識原生文字型 (TextBased)、掃描影像型 (Scanned)、純影像型 (ImageBased) 與混合型 (Mixed)，並明確標示需 OCR 頁數。

02 · layout.rs

閱讀順序還原

透過水平投射直方圖與智慧跨欄辨識，自文字座標重構多欄與報紙排版，保留自然的閱讀行文邏輯。

03 · tables/

表格結構恢復

依序結合矩形框線、格線網格與對齊啟發式三大策略，自動精確還原儲存格邊界、跨頁續表與資料對齊。

04 · tounicode.rs

字型與編碼解碼

支援 Type0 / CID 字型與 ToUnicode CMap 映射解碼，並在缺少字型對照表時提供智慧字元修復。

05 · markdown/

結構化語意 Markdown

產出標題層級 (# ~ ######)、表格、清單、強調標籤、頁面分割註解，過濾冗餘裝飾，節省 LLM Token。

06 · wasm/

純前端 WebAssembly

全套 Rust 核心透過 wasm-bindgen 編譯為瀏覽器本地模組，零後端伺服器依賴，安全無隱私風險。

系統架構

一次解析 · 清晰階段管道

底層管道將原始 PDF 解析、版面佈局推斷與語意 Markdown 轉換清晰解耦，保持極致輕量與高速。

STAGE 1 · 輸入

PDF 位元組載入

自檔案讀取二進位資料至瀏覽器記憶體，無需建立本機暫存檔或網路傳輸。

STAGE 2 · 偵測與提取

detector + extractor

同步計算文件分類置信度，並提取文字項目、座標、字型寬度與幾何向量矩形。

STAGE 3 · 版面與表格

layout + tables

分析段落行高、欄位分佈與表格網格，將離散字元聚合成具結構的區塊。

STAGE 4 · 輸出

markdown/convert.rs

轉換為簡潔的標準 Markdown 與詳細結構化中繼資料報告。

基準評測

OpenDataLoader 200 份 PDF 實測

在無 OCR 的原生文字測試集上，pdf-inspector 在整體評分、閱讀順序與表格還原度上表現卓越，且速度領先。

解析引擎 綜合得分 閱讀順序 表格結構 標題階層 全語料庫耗時
pdf-inspector (Rust/WASM) 0.875 0.915 0.814 0.788 0.470s
LiteParse 0.873 0.913 0.693 0.811 0.750s
OpenDataLoader 0.831 0.902 0.489 0.739 2.569s
PyMuPDF4LLM 0.735 0.886 0.401 0.424 17.117s
MarkItDown 0.589 0.844 0.273 0.000 16.165s