Git Stars Git Stars

#document-analysis Repositories

Entdecke 33 aktive Open-Source-GitHub-Repositories, die mit #document-analysis getaggt sind und insgesamt 134,538 Sterne gesammelt haben (durchschnittlich 4,076 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist opendatalab/MinerU mit 84,093 Sternen.

33
Gesamtzahl der Repositories
134,538
Gesamtanzahl der Sterne
4,076
Durchschnittliche Sterne/Repo

Insgesamt 33 Repositories

1
opendatalab/MinerU

Transformiert komplexe Dokumente wie PDFs und Office-Dokumente in LLM-bereites Markdown/JSON für Ihre Agentic-Workflows.

opendatalab
⭐ 84,093 Python 👤 opendatalab Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-02-29
2
bytedance/Dolphin

Das offizielle Repository für „Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting“, ACL, 2025.

bytedance
⭐ 9,065 Python 👤 bytedance Organization 🕐 Aktualisiert 2026-03-25 📅 Erstellt 2025-05-13
3
ucbepic/docetl

Ein System für agentengesteuerte LLM-gestützte Datenverarbeitung und ETL

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2024-07-09
4
camelot-dev/camelot

Eine Python-Bibliothek zum Extrahieren von Tabellendaten aus PDFs

camelot-dev
⭐ 3,858 Python 👤 camelot-dev Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2019-07-01
5
echohive42/AI-reads-books-page-by-page

KI liest Bücher: Seitenweiser PDF-Wissensextraktor & Zusammenfasser. Das Skript führt eine intelligente seitenweise Analyse von PDF-Büchern durch, extrahiert methodisch Wissenspunkte und generiert schrittweise Zusammenfassungen in festgelegten Intervallen

echohive42
⭐ 3,453 Python 👤 echohive42 User 🕐 Aktualisiert 2026-10-30 📅 Erstellt 2024-12-28
6
kba/awesome-ocr

Links zu tollen OCR-Projekten

kba
⭐ 3,074 👤 kba User 🕐 Aktualisiert 2024-07-06 📅 Erstellt 2016-04-27
7
UglyToad/PdfPig

Text und anderen Inhalt aus PDFs in C# lesen und extrahieren (Port von PDFBox)

UglyToad
⭐ 2,626 C# 👤 UglyToad Organization 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2017-11-09
8
DanBloomberg/leptonica

Leptonica ist eine Open-Source-Bibliothek mit Software, die für Bildverarbeitungs- und Bildanalyseanwendungen breit nützlich ist. Das offizielle GitHub-Repository für Leptonica ist: danbloomberg/leptonica. Weitere Dokumentation finden Sie unter leptonica.org.

DanBloomberg
⭐ 2,107 C 👤 DanBloomberg User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2016-01-13
9
NanoNets/docext

Ein On-Premises-Toolkit zur Extraktion unstrukturierter Daten, Konvertierung in Markdown und Benchmarking, ohne OCR. (https://idp-leaderboard.org/)

NanoNets
⭐ 2,086 Python 👤 NanoNets Organization 🕐 Aktualisiert 2026-03-17 📅 Erstellt 2025-03-25
10
AlibabaResearch/AdvancedLiterateMachinery

Eine Sammlung origineller, innovativer Ideen und Algorithmen für fortgeschrittene literarische Maschinen. Dieses Projekt wird vom OCR-Team im Language Technology Lab des Tongyi Lab der Alibaba Group betreut.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Aktualisiert 2026-03-17 📅 Erstellt 2022-09-28
11
Topdu/OpenOCR

OpenOCR: Ein Open‑Source‑Toolkit für allgemeine OCR‑Forschung und -Anwendungen, das ein einheitliches Trainings- und Bewertungbench‑Mark, kommerziell ausgereifte OCR‑ und Dokumenten-Parsing-Systeme sowie treue Reproduktionen der Kernimplementierungen aus einer breiten Palette akademischer Arbeiten integriert.

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 Aktualisiert 2026-09-21 📅 Erstellt 2024-05-31
12
DocumindHQ/documind

Open-Source-Plattform zur Extraktion strukturierter Daten aus Dokumenten mittels KI.

DocumindHQ
⭐ 1,475 JavaScript 👤 DocumindHQ Organization 🕐 Aktualisiert 2025-05-15 📅 Erstellt 2024-11-17
13
nishiwen1214/ChatReviewer

ChatReviewer: Analysiert Aufsätze mit ChatGPT, um Vor- und Nachteile aufzudecken und Verbesserungsvorschläge zu machen

nishiwen1214
⭐ 1,366 Python 👤 nishiwen1214 User 🕐 Aktualisiert 2024-11-22 📅 Erstellt 2023-03-18
14
Calamari-OCR/calamari

Zeilenbasierter ATR-Motor basierend auf OCRopy

Calamari-OCR
⭐ 1,204 Python 👤 Calamari-OCR Organization 🕐 Aktualisiert 2026-06-23 📅 Erstellt 2018-03-20
15
Mingtzge/2019-CCF-BDCI-OCR-MCZJ-OCR-IdentificationIDElement

2019CCF-BDCI-Wettbewerb Gewinner des Preises für die beste innovative Erkundung Champion des Themas zur OCR-basierten Extraktion von ID-Karten-Elementen Tianchen Poxiao-Team Themen-Quellcode

Mingtzge
⭐ 899 Python 👤 Mingtzge User 🕐 Aktualisiert 2024-07-25 📅 Erstellt 2019-12-30
16
freelawproject/x-ray

Ein Tool zur Erkennung, ob ein PDF eine fehlerhafte Schwärzung aufweist.

freelawproject
⭐ 837 Python 👤 freelawproject Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2020-12-17
17
datalab-to/pdftext

Extrahieren Sie schnell strukturierte Texte aus PDFs

datalab-to
⭐ 744 Python 👤 datalab-to Organization 🕐 Aktualisiert 2026-10-22 📅 Erstellt 2024-04-24
18
ispras/dedoc

Dedoc ist eine Bibliothek (Dienstleistung) zur automatisierten Dokumentenanalyse und zur Überführung in ein einheitliches Format. Es extrahiert automatisch Inhalte, logische Struktur, Tabellen und Metainformationen aus textbasierten elektronischen Dokumenten. (Dokumentenanalyse; Extrahierung von Dokumenteninhalten; Extrahierung der logischen Struktur; PDF-Parser; Parser für gescannte Dokumente; DOCX-Parser; HTML-Parser)

ispras
⭐ 739 Python 👤 ispras Organization 🕐 Aktualisiert 2026-11-09 📅 Erstellt 2020-12-07
19
OCR4all/OCR4all

Bietet OCR (Optical Character Recognition)-Dienste über Web-Anwendungen an

OCR4all
⭐ 713 Java 👤 OCR4all Organization 🕐 Aktualisiert 2026-09-14 📅 Erstellt 2019-01-23
20
allenai/pdffigures2

Gegeben ein wissenschaftliches PDF, extrahieren Sie Abbildungen, Tabellen, Bildunterschriften und Abschnittstitel.

allenai
⭐ 712 Scala 👤 allenai Organization 🕐 Aktualisiert 2024-03-10 📅 Erstellt 2016-05-09
22
ndl-lab/ndlocr_cli

Das Repository der NDLOCR-Anwendung (einschließlich Quellcode)

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 Aktualisiert 2026-01-05 📅 Erstellt 2022-03-30
23
allenai/science-parse

Science Parse parst wissenschaftliche Arbeiten (in PDF-Form) und gibt sie in strukturierter Form zurück.

allenai
⭐ 686 Java 👤 allenai Organization 🕐 Aktualisiert 2024-05-26 📅 Erstellt 2015-08-19
24
0xabu/pdfannots

Extrahiert und formatiert Textanmerkungen aus einer PDF-Datei

0xabu
⭐ 676 Python 👤 0xabu User 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2017-01-28
25
Alibaba-NLP/ViDoRAG

[EMNLP 2025] ViDoRAG: Visuelle Dokumenten-Retrieval-Augmented Generation durch dynamische iterative Schlussfolgerungsagenten

Alibaba-NLP
⭐ 670 Python 👤 Alibaba-NLP Organization 🕐 Aktualisiert 2026-01-11 📅 Erstellt 2025-02-25
26
opendatalab/MinerU-Diffusion

[ECCV 2026] Ein diffusionsbasiertes Framework für Dokumenten-OCR, das autoregressives Decodieren durch blockweises paralleles Diffusionsdecodieren ersetzt.

opendatalab
⭐ 624 Python 👤 opendatalab Organization 🕐 Aktualisiert 2026-06-18 📅 Erstellt 2026-03-13
27
maxandrews/Epstein-doc-explorer

ein Graph-Explorer der Epstein-E-Mails

maxandrews
⭐ 598 JavaScript 👤 maxandrews User 🕐 Aktualisiert 2025-11-20 📅 Erstellt 2025-11-14
28
CybercentreCanada/assemblyline

Assemblyline 4: Dateisichtung und Malware-Analyse

CybercentreCanada
⭐ 572 Python 👤 CybercentreCanada Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2020-12-03
29
wenwenyu/PICK-pytorch

Code für das Paper „PICK: Verarbeitung von Schlüsselinformationen aus Dokumenten mit verbesserten Graphen-Lern-Faltungsnetzwerken" (ICPR 2020)

wenwenyu
⭐ 570 Python 👤 wenwenyu User 🕐 Aktualisiert 2024-07-25 📅 Erstellt 2020-07-15
30
leedrake5/unredact

Ein einfaches Tool zum Lesen schlecht redigierter Dokumente und zur Wiedergabe ihrer ursprünglichen Form.

leedrake5
⭐ 565 Python 👤 leedrake5 User 🕐 Aktualisiert 2026-01-06 📅 Erstellt 2025-12-23
32
JoshData/pdf-diff

Ein PDF-Vergleichsdienstprogramm in Python.

JoshData
⭐ 527 Python 👤 JoshData User 🕐 Aktualisiert 2026-02-08 📅 Erstellt 2014-06-09
33
awslabs/handwritten-text-recognition-for-apache-mxnet

Dieses Repository ermöglicht es Ihnen, neuronale Netzwerk-Modelle zu trainieren, um eine end-to-end Vollseiten-Handschrifterkennung mit den Apache MXNet Deep-Learning-Frameworks auf dem IAM-Datensatz durchzuführen.

awslabs
⭐ 526 Jupyter Notebook 👤 awslabs Organization 🕐 Aktualisiert 2026-02-05 📅 Erstellt 2019-02-26

Häufig gestellte Fragen

1

Welches ist das beliebteste #document-analysis-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#document-analysis-Projekt auf GitHub ist opendatalab/MinerU mit 84,093 Sternen. Transformiert komplexe Dokumente wie PDFs und Office-Dokumente in LLM-bereites Markdown/JSON für Ihre Agentic-Workflows.

2

Welche Programmiersprachen werden in #document-analysis-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #document-analysis-Projekten auf GitHub sind Python, JavaScript, Java, C# die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #document-analysis-Repositories berechnet?

Wir verfolgen 33 aktive Open-Source-Repositories, die mit #document-analysis getaggt sind (500+ Sterne), mit insgesamt 134,538 Sternen und durchschnittlich 4,076 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.