Git Stars Git Stars

#data-extraction Repositories

Entdecke 131 aktive Open-Source-GitHub-Repositories, die mit #data-extraction getaggt sind und insgesamt 729,329 Sterne gesammelt haben (durchschnittlich 5,567 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist firecrawl/firecrawl mit 205,758 Sternen.

131
Gesamtzahl der Repositories
729,329
Gesamtanzahl der Sterne
5,567
Durchschnittliche Sterne/Repo

Insgesamt 131 Repositories

1
firecrawl/firecrawl

Wissensinfrastruktur, die Ihre Agenten intelligenter macht. Durchsuchen, extrahieren und greifen Sie über eine einzige API auf mehr als 550 Datenanbieter zu.

firecrawl
⭐ 205,758 TypeScript 👤 firecrawl Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-04-15
2
D4Vinci/Scrapling

🕷️ Das BESTE Web-Scraping-Framework – für alles von einer einzelnen Anfrage bis hin zu einem umfangreichen Crawl! Nur keine Scheu: Tritt hier bei: https://discord.gg/EMgGbDceNQ und folge uns hier für tägliche Tipps und Tricks: https://x.com/Scrapling_dev

D4Vinci
⭐ 104,760 Python 👤 D4Vinci User 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2024-10-13
3
unclecode/crawl4ai

Offizielles Crawl4AI Cloud: eine gehostete API für Web-Scraping, Extraktion und Suche für KI-Agenten. Kostenloser API-Schlüssel, 1.000 Credits pro Monat, keine Kreditkarte erforderlich. Vollständig Open Source: Dieses Repository enthält den Apache-2.0-Crawler, der den Dienst antreibt, und kann selbst gehostet werden.

unclecode
⭐ 87,627 Python 👤 unclecode User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-05-09
4
ScrapeGraphAI/Scrapegraph-ai

Python-Scraper basierend auf KI

ScrapeGraphAI
⭐ 32,877 Python 👤 ScrapeGraphAI Organization 🕐 Aktualisiert 2026-10-06 📅 Erstellt 2024-01-27
5
browserbase/stagehand

Das SDK zum Extrahieren von Daten und Interagieren mit jeder Website im Web. Legen Sie mit Claude Code, Codex, Eve, Mastra und mehr los.

browserbase
⭐ 26,109 TypeScript 👤 browserbase Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-03-24
6
getmaxun/maxun

Verwandeln Sie jede Website in eine strukturierte API. Extrahieren, automatisieren, durchsuchen und überwachen Sie das Web.

getmaxun
⭐ 18,538 TypeScript 👤 getmaxun Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-10-23
7
ReFirmLabs/binwalk

Firmware-Analysewerkzeug

ReFirmLabs
⭐ 14,731 Rust 👤 ReFirmLabs Organization 🕐 Aktualisiert 2026-08-11 📅 Erstellt 2013-11-15
8
phiresky/ripgrep-all

rga: ripgrep, aber auch Suche in PDFs, E-Books, Office-Dokumenten, zip, tar.gz usw.

phiresky
⭐ 9,937 Rust 👤 phiresky User 🕐 Aktualisiert 2026-09-17 📅 Erstellt 2019-06-04
9
scrapinghub/portia

Visuelles Scrapen für Scrapy

scrapinghub
⭐ 9,479 Python 👤 scrapinghub Organization 🕐 Aktualisiert 2024-06-26 📅 Erstellt 2014-03-21
10
cv-cat/Spider_XHS

Datenerfassung mit Xiaohongshu (RED)-Crawler, Reverse Engineering von Xiaohongshu, private Nachrichten, Livestreaming und Gesamtlösungen für den Xiaohongshu-Betrieb

cv-cat
⭐ 8,542 Python 👤 cv-cat User 🕐 Aktualisiert 2026-10-22 📅 Erstellt 2023-08-08
11
ericchiang/pup

HTML-Parsing auf der Kommandozeile

ericchiang
⭐ 8,372 HTML 👤 ericchiang User 🕐 Aktualisiert 2024-05-02 📅 Erstellt 2014-09-01
12
mgdm/htmlq

Wie jq, aber für HTML.

mgdm
⭐ 7,591 Rust 👤 mgdm User 🕐 Aktualisiert 2026-05-27 📅 Erstellt 2019-05-07
13
browser-act/skills

Browser-Automatisierungs-CLI für KI-Agenten. Durchbrechen Sie Anti-Bot-Wände, übergeben Sie bei Problemen plattformübergreifend an Menschen. Parallele Multitasking-Ausführung, unabhängiger Multisession-Betrieb, isoliertes Multi-Account-Browsing.

browser-act
⭐ 6,385 Python 👤 browser-act Organization 🕐 Aktualisiert 2026-11-04 📅 Erstellt 2026-02-06
14
nickscamara/open-deep-research

Ein Open-Source-Deep-Research-Klon. KI-Agent, der große Mengen an Webdaten mit Firecrawl extrahiert und daraus Schlüsse zieht.

nickscamara
⭐ 6,242 TypeScript 👤 nickscamara User 🕐 Aktualisiert 2025-05-07 📅 Erstellt 2025-02-03
15
MontFerret/ferret

Deklarative Datenautomatisierungssprache und Go-Laufzeit für strukturierte Extraktionsworkflows.

MontFerret
⭐ 6,025 Go 👤 MontFerret Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2018-08-23
16
matthewmueller/x-ray

Der nächste Web-Scraper. Durchblicke durch das <html> Rauschen.

matthewmueller
⭐ 5,899 JavaScript 👤 matthewmueller User 🕐 Aktualisiert 2026-08-31 📅 Erstellt 2015-02-05
17
vi3k6i5/flashtext

Schlüsselwörter aus Sätzen extrahieren oder Schlüsselwörter in Sätzen ersetzen.

vi3k6i5
⭐ 5,714 Python 👤 vi3k6i5 User 🕐 Aktualisiert 2025-04-13 📅 Erstellt 2017-08-15
18
Hammer1/cozeworkflows

Umfassende Sammlung von 200+ Workflow-Vorlagen für Coze, ständig aktualisiert

Hammer1
⭐ 5,446 👤 Hammer1 User 🕐 Aktualisiert 2025-07-27 📅 Erstellt 2025-07-27
19
ultrafunkamsterdam/nodriver

Nachfolger von Undetected-Chromedriver. Bietet ein rasantes Framework für Webautomatisierung, Web-Scraping, Bots und alle anderen kreativen Ideen, die normalerweise durch lästige Anti-Bot-Systeme wie Captcha / CloudFlare / Imperva / hCaptcha behindert werden.

ultrafunkamsterdam
⭐ 4,950 Python 👤 ultrafunkamsterdam User 🕐 Aktualisiert 2026-10-26 📅 Erstellt 2024-02-20
20
REMitchell/python-scraping

Code-Beispiele aus dem Buch Web Scraping with Python http://shop.oreilly.com/product/0636920034391.do

REMitchell
⭐ 4,669 Jupyter Notebook 👤 REMitchell User 🕐 Aktualisiert 2024-06-01 📅 Erstellt 2015-06-14
21
AhmadHassan-BTed/Noria

Ein agentischer Extraktor für Messaging-Plattformen. Noria empfängt Nachrichten und URLs per Chat, erfasst Webdaten, um Inhalte anhand benutzerdefinierter Bewertungsschemata (z. B. für Jobs und Stipendien) zu bewerten, und sendet eine strukturierte Zusammenfassung mit einem berechneten Übereinstimmungswert direkt an die zugewiesene Messenger-Nummer.

AhmadHassan-BTed
⭐ 4,624 JavaScript 👤 AhmadHassan-BTed User 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2026-05-31
22
meta/duckling

Sprache, Engine und Werkzeuge zum Ausdrücken, Testen und Evaluieren von komponierbaren Sprachregeln auf Eingabestrings.

meta
⭐ 4,328 Haskell 👤 meta Organization 🕐 Aktualisiert 2026-03-15 📅 Erstellt 2017-03-02
23
tomnomnom/waybackurls

Alle URLs abrufen, die die Wayback Machine für eine Domain kennt

tomnomnom
⭐ 4,255 Go 👤 tomnomnom User 🕐 Aktualisiert 2024-05-01 📅 Erstellt 2018-01-24
24
scrapinghub/splash

Leichtgewichtiger, skriptbarer Browser als Service mit HTTP-API

scrapinghub
⭐ 4,197 Python 👤 scrapinghub Organization 🕐 Aktualisiert 2024-08-02 📅 Erstellt 2013-05-20
25
CrawlScript/WebCollector

WebCollector ist ein quelloffenes Webcrawler-Framework auf Basis von Java. Es bietet einige einfache Schnittstellen zum Crawlen des Webs, Sie können einen Multi-Thread-Webcrawler in weniger als 5 Minuten einrichten.

CrawlScript
⭐ 3,073 Java 👤 CrawlScript Organization 🕐 Aktualisiert 2026-02-10 📅 Erstellt 2014-07-12
26
goldsmith/Wikipedia

Ein Pythonic Wrapper für die Wikipedia API

goldsmith
⭐ 3,014 Python 👤 goldsmith User 🕐 Aktualisiert 2026-10-25 📅 Erstellt 2013-08-20
27
brightdata/brightdata-mcp

Ein leistungsstarker Model Context Protocol (MCP)-Server, der eine All-in-One-Lösung für den öffentlichen Webzugriff bietet.

brightdata
⭐ 2,733 JavaScript 👤 brightdata Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2025-04-15
28
smalot/pdfparser

PdfParser, eine eigenständige PHP-Bibliothek, bietet verschiedene Werkzeuge zum Extrahieren von Daten aus einer PDF-Datei.

smalot
⭐ 2,732 PHP 👤 smalot User 🕐 Aktualisiert 2026-10-13 📅 Erstellt 2013-08-30
29
Predidit/KazumiRules

Kazumis Regel-Hosting-Repository, Beiträge sind willkommen ^•ﻌ•^

Predidit
⭐ 2,653 Dart 👤 Predidit User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2024-05-22
30
Bistutu/GoMusic

Netease Cloud/Qishui/QQ Music Wiedergabelisten zu Apple/Youtube/Spotify Music migrieren

Bistutu
⭐ 2,552 Go 👤 Bistutu User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-10-07
31
tavily-ai/tavily-mcp

Produktionsbereite MCP-Server mit Echtzeit-Suche, Extraktion, Mapping und Crawling.

tavily-ai
⭐ 2,499 TypeScript 👤 tavily-ai Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2025-01-27
32
jmespath/jmespath.py

JMESPath ist eine Abfragesprache für JSON.

jmespath
⭐ 2,458 Python 👤 jmespath Organization 🕐 Aktualisiert 2026-04-20 📅 Erstellt 2013-02-19
33
saifyxpro/HeadlessX

Die unsichtbare, selbst gehostete Browser-Automatisierungsplattform. Angetrieben von Camoufox (Firefox) für 0 % Erkennungsraten. Entwickelt für Geschwindigkeit, Privatsphäre und Skalierbarkeit.

saifyxpro
⭐ 2,365 TypeScript 👤 saifyxpro User 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2025-09-12
34
dataabc/weibo-search

Abrufen von Weibo-Suchergebnisinformationen, wobei die Suche entweder eine Weibo-Schlüsselwortsuche oder eine Weibo-Themensuche sein kann

dataabc
⭐ 2,340 Python 👤 dataabc User 🕐 Aktualisiert 2026-06-05 📅 Erstellt 2020-03-25
35
decaywood/XueQiuSuperSpider

Xueqiu Aktieninformation Super-Crawler

decaywood
⭐ 2,326 Java 👤 decaywood User 🕐 Aktualisiert 2024-03-27 📅 Erstellt 2015-11-24
36
opendatalab/DocLayout-YOLO

DocLayout-YOLO: Verbesserung der Dokumentlayoutanalyse durch vielfältige synthetische Daten und adaptive globale-zu-lokale Wahrnehmung

opendatalab
⭐ 2,315 Python 👤 opendatalab Organization 🕐 Aktualisiert 2026-10-21 📅 Erstellt 2024-10-14
39
hhursev/recipe-scrapers

Python-Paket zum Scrapen von Rezeptdaten

hhursev
⭐ 2,263 Python 👤 hhursev User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2015-09-14
40
shcherbak-ai/contextgem

Extrahieren Sie strukturierte Daten und Erkenntnisse aus Dokumenten mithilfe großer Sprachmodelle und Entscheidungsmodelle

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-10-11
41
xaitax/TotalRecall

Dieses Tool extrahiert und zeigt Daten aus derRecall-Funktion in Windows 11 an und bietet eine einfache Möglichkeit, auf Informationen über die Aktivitätsschnappschüsse Ihres PCs zuzugreifen.

xaitax
⭐ 2,037 Python 👤 xaitax User 🕐 Aktualisiert 2024-06-08 📅 Erstellt 2024-06-03
42
jmespath/jmespath.php

Deklarative Angabe, wie Elemente aus einem JSON-Dokument in PHP extrahiert werden

jmespath
⭐ 2,013 PHP 👤 jmespath Organization 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2013-07-06
43
KEV0143/Parser-Chitai-Gorod

Intelligenter Parser für den „Chitai-Gorod“-Katalog. Hochgeschwindigkeitserfassung und -strukturierung von Daten basierend auf beliebigen festgelegten Parametern: von der ISBN bis zur Rabattdynamik.

KEV0143
⭐ 1,979 Python 👤 KEV0143 User 🕐 Aktualisiert 2026-09-17 📅 Erstellt 2025-05-18
44
xyTom/snippai

Schneiden Sie alles, lösen Sie alles

xyTom
⭐ 1,950 TypeScript 👤 xyTom User 🕐 Aktualisiert 2026-10-06 📅 Erstellt 2024-02-06
45
extractus/article-extractor

Artikel aus der angegebenen URL extrahieren

extractus
⭐ 1,920 TypeScript 👤 extractus Organization 🕐 Aktualisiert 2026-08-20 📅 Erstellt 2015-11-29
46
Kengxxiao/ArknightsGameData

Arknights-Spieldaten

Kengxxiao
⭐ 1,907 Lua 👤 Kengxxiao User 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2019-12-31
47
shuchkin/simplexlsx

Daten aus Excel-XLSx-Dateien parsen und abrufen

shuchkin
⭐ 1,829 PHP 👤 shuchkin User 🕐 Aktualisiert 2026-10-20 📅 Erstellt 2016-05-25
48
DQinYuan/chinese_province_city_area_mapper

Ein Python-Modul zum Extrahieren von Provinzen, Städten und Bezirken aus vereinfachten chinesischen Strings und zur Durchführung von Zuordnungen, Überprüfungen und einfachen Diagrammen

DQinYuan
⭐ 1,770 Python 👤 DQinYuan User 🕐 Aktualisiert 2024-03-19 📅 Erstellt 2018-03-04
49
biuuu/star-rail-warp-export

Honkai: Star Rail Warp-Verlaufsexporteur

biuuu
⭐ 1,640 JavaScript 👤 biuuu User 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2023-05-01
50
JonathanLink/PDFLayoutTextStripper

Wandelt eine PDF-Datei in eine Textdatei um und behält dabei das Layout der Original-PDF bei. Dies ist beispielsweise nützlich, um den Inhalt einer Tabelle aus einer PDF-Datei zu extrahieren. Diese Klasse ist eine Unterklasse der Klasse PDFTextStripper aus der Apache-PDFBox-Bibliothek.

JonathanLink
⭐ 1,612 Java 👤 JonathanLink User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2015-10-11

Häufig gestellte Fragen

1

Welches ist das beliebteste #data-extraction-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#data-extraction-Projekt auf GitHub ist firecrawl/firecrawl mit 205,758 Sternen. Wissensinfrastruktur, die Ihre Agenten intelligenter macht. Durchsuchen, extrahieren und greifen Sie über eine einzige API auf mehr als 550 Datenanbieter zu.

2

Welche Programmiersprachen werden in #data-extraction-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #data-extraction-Projekten auf GitHub sind Python, TypeScript, JavaScript, Rust die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #data-extraction-Repositories berechnet?

Wir verfolgen 131 aktive Open-Source-Repositories, die mit #data-extraction getaggt sind (500+ Sterne), mit insgesamt 729,329 Sternen und durchschnittlich 5,567 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.