Git Stars Git Stars

#document-parsing Repositories

Entdecke 42 aktive Open-Source-GitHub-Repositories, die mit #document-parsing getaggt sind und insgesamt 356,240 Sterne gesammelt haben (durchschnittlich 8,481 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist PaddlePaddle/PaddleOCR mit 92,972 Sternen.

42
Gesamtzahl der Repositories
356,240
Gesamtanzahl der Sterne
8,481
Durchschnittliche Sterne/Repo

Insgesamt 42 Repositories

1
PaddlePaddle/PaddleOCR

Wandeln Sie jedes PDF- oder Bilddokument in strukturierte Daten für Ihre KI um. Ein leistungsstarkes, leichtgewichtiges OCR-Toolkit, das die Lücke zwischen Bildern/PDFs und LLMs schließt. Unterstützt über 100 Sprachen.

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 Aktualisiert 2026-09-16 📅 Erstellt 2020-05-08
2
docling-project/docling

Bereiten Sie Ihre Dokumente für gen AI vor

docling-project
⭐ 70,843 Python 👤 docling-project Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-07-09
3
datalab-to/marker

Konvertieren Sie PDF schnell und mit hoher Genauigkeit in Markdown + JSON

datalab-to
⭐ 41,010 Python 👤 datalab-to Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-10-30
4
opendataloader-project/opendataloader-pdf

PDF-Parser für KI-fähige Daten. Automatisieren Sie PDF-Barrierefreiheit. Open Source.

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2025-05-13
5
Unstructured-IO/unstructured

Konvertieren Sie Dokumente mühelos in strukturierte Daten. Unstructured ist eine Open-Source-ETL-Lösung zur Umwandlung komplexer Dokumente in saubere, strukturierte Formate für Sprachmodelle. Besuchen Sie unsere Website, um mehr über unser Enterprise-Grade-Plattformprodukt für Produktions-Workflows, Partitionierung, Anreicherungen, Chunking und Embedding zu erfahren.

Unstructured-IO
⭐ 15,769 HTML 👤 Unstructured-IO Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2022-09-26
6
netease-youdao/QAnything

Frage und Antwort basierend auf Allem.

netease-youdao
⭐ 14,210 Python 👤 netease-youdao User 🕐 Aktualisiert 2026-09-23 📅 Erstellt 2024-01-03
7
datalab-to/chandra

OCR-Modell, das komplexe Tabellen, Formulare und Handschriften mit vollständigem Layout verarbeitet.

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2025-10-08
8
facebookresearch/nougat

Implementierung des Nougat Neural Optical Understanding für akademische Dokumente

facebookresearch
⭐ 9,997 Python 👤 facebookresearch Organization 🕐 Aktualisiert 2025-02-21 📅 Erstellt 2023-06-07
9
studio-dots-ai/dots.ocr

Mehrsprachige Dokumentenlayout-Analyse in einem einzigen Vision-Language-Modell

studio-dots-ai
⭐ 9,236 Python 👤 studio-dots-ai Organization 🕐 Aktualisiert 2026-03-24 📅 Erstellt 2025-07-30
10
Yuliang-Liu/MonkeyOCR

Ein leichtgewichtiges LMM-basiertes Dokumentenanalysemodell

Yuliang-Liu
⭐ 6,653 Python 👤 Yuliang-Liu User 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2025-06-03
11
mindee/doctr

docTR (Document Text Recognition) - eine nahtlose, leistungsstarke und zugängliche Bibliothek für OCR-bezogene Aufgaben, die auf Deep Learning basiert. Laufende Entwicklung und Wartung durch t2k.

mindee
⭐ 6,433 Python 👤 mindee Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2021-01-08
12
run-llama/llama_cloud_services

Wissensagenten und -management in der Cloud

run-llama
⭐ 4,273 TypeScript 👤 run-llama Organization 🕐 Aktualisiert 2026-11-08 📅 Erstellt 2024-01-31
13
NVIDIA/NeMo-Retriever

NeMo Retriever Library ist ein skalierbarer, leistungsorientierter Microservice zur Extraktion von Dokumenteninhalten und Metadaten. NeMo Retriever Library verwendet spezialisierte NVIDIA NIM-Microservices, um Texte, Tabellen, Diagramme und Bilder zu finden, zu kontextualisieren und zu extrahieren, die Sie in nachgelagerten generativen Anwendungen verwenden können.

NVIDIA
⭐ 3,014 Python 👤 NVIDIA Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-08-22
14
chatdoc-com/OCRFlux

OCRFlux ist ein leichtgewichtiger, aber leistungsstarker multimodaler Toolkit, der die PDF-zu-Markdown-Konvertierung erheblich vorantreibt und sich durch die Verarbeitung komplexer Layouts, die Analyse komplizierter Tabellen und die inhaltsübergreifende Zusammenführung von Seiten auszeichnet.

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 Aktualisiert 2026-04-14 📅 Erstellt 2025-06-04
15
Nutlope/llama-ocr

Dokument-zu-Markdown-OCR-Bibliothek mit Llama 3.2 Vision

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 Aktualisiert 2026-07-12 📅 Erstellt 2024-11-12
16
landing-ai/ade-cli

Das offizielle CLI für Agentic Document Extraction (ADE) von LandingAI — Dokumente parsen und schemakonforme Daten direkt über das Terminal extrahieren

landing-ai
⭐ 2,427 Python 👤 landing-ai Organization 🕐 Aktualisiert 2026-10-30 📅 Erstellt 2025-03-12
18
dnGrep/dnGrep

Grafisches GREP-Tool für Windows

dnGrep
⭐ 2,246 C# 👤 dnGrep Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2014-10-09
19
opendatalab/OmniDocBench

[CVPR 2025] Ein umfassender Benchmark für Dokumentenanalyse und -bewertung

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2024-10-14
20
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Leichte OCR-VLMs schneller und besser machen

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Aktualisiert 2026-09-24 📅 Erstellt 2025-11-18
21
datalab-to/indra

OCR-Modell mit 1 Million Parametern – läuft auf der CPU, ist 15-mal schneller als Tesseract und erreicht eine Genauigkeit nahe der von Modellen mit über 1 Milliarde Parametern

datalab-to
⭐ 1,910 Python 👤 datalab-to Organization 🕐 Aktualisiert 2026-11-04 📅 Erstellt 2026-10-13
22
enoch3712/ExtractThinker

ExtractThinker ist eine Document Intelligence-Bibliothek für LLMs, die eine ORM-ähnliche Interaktion für flexible und leistungsstarke Dokumenten-Workflows bietet.

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 Aktualisiert 2026-09-16 📅 Erstellt 2024-02-01
23
NanoNets/docstrange

Extrahieren und konvertieren Sie Daten aus beliebigen Dokumenten, Bildern, PDFs, Word-Dokumenten, PPTs oder URLs in mehrere Formate (Markdown, JSON, CSV, HTML) mit intelligenter strukturierter Datenextraktion und fortschrittlicher OCR.

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 Aktualisiert 2025-10-31 📅 Erstellt 2025-07-31
24
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
25
zstar1003/ragflow-plus

Ragflow-Plus ist eine weiterentwickelte Version von Ragflow, die sie prägnanter und praktischer macht

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2025-03-24
27
nlmatics/nlm-ingestor

Dieses Repo stellt den serverseitigen Code für die llmsherpa API zur Verbindung bereit. Es enthält Parser für verschiedene Dateiformate.

nlmatics
⭐ 1,282 Python 👤 nlmatics Organization 🕐 Aktualisiert 2025-03-28 📅 Erstellt 2024-01-17
28
laramies/metagoofil

Metadaten-Harvester

laramies
⭐ 1,201 Python 👤 laramies User 🕐 Aktualisiert 2024-03-21 📅 Erstellt 2015-08-13
29
aiptimizer/TurboOCR

TurboOCR, >200 img/s OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC

aiptimizer
⭐ 1,162 C++ 👤 aiptimizer Organization 🕐 Aktualisiert 2026-09-27 📅 Erstellt 2026-03-20
30
allenai/s2orc

S2ORC: Der Semantic Scholar Open Research Corpus: https://www.aclweb.org/anthology/2020.acl-main.447/

allenai
⭐ 996 Python 👤 allenai Organization 🕐 Aktualisiert 2024-04-26 📅 Erstellt 2019-11-04
31
flyhunterl/flymd

Hochleistungs-Markdown-Notiz-Tool! Kostenlose KI, intelligente Notizen, TODO-Erinnerungen, lokales Wissensdatenbank, KI-Roman-Engine. PDF-Parsing, automatische Sprachnotizen, Audio-zu-Text. Millisekundenstart.

flyhunterl
⭐ 900 JavaScript 👤 flyhunterl User 🕐 Aktualisiert 2026-07-22 📅 Erstellt 2025-10-24
32
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
33
deep-diver/paper-reviewer

Erstellen Sie eine umfassende Rezension eines arXiv-Papers und wandeln Sie diese dann in einen Blogbeitrag um. Dieses Projekt treibt die unten stehende Website für HuggingFaces tägliche Paper an (https://huggingface.co/papers).

deep-diver
⭐ 834 Python 👤 deep-diver User 🕐 Aktualisiert 2025-02-20 📅 Erstellt 2024-10-21
34
FengZhenfei/carrel

Ontologie-augmentierte Generierung für KI-Agenten.

FengZhenfei
⭐ 808 Python 👤 FengZhenfei User 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2026-09-28
36
Steven-Luo/MasteringRAG

Enterprise-RAG-Systeme: Vom Anfänger zum Experten

Steven-Luo
⭐ 699 Jupyter Notebook 👤 Steven-Luo User 🕐 Aktualisiert 2025-06-25 📅 Erstellt 2024-07-16
37
ggozad/haiku.rag

Agentic RAG für die lokale und selbst gehostete Dokumentensuche: hybride Suche, Reranking und multimodales RAG auf eingebettetem LanceDB, mit Docling-Parsing und einem MCP-Server

ggozad
⭐ 665 Python 👤 ggozad User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2024-10-13
38
run-llama/ParseBench

ParseBench - Ein Benchmark für die Dokumentenanalyse für KI-Agenten

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-10
39
skygazer42/MimirQ

Chinesisch priorisierte RAG-Wissensdatenbank für Unternehmen: kontrollierbare Analyse, Governance, Chunking, hybride Suche, Reranking, Zitate, Wissensgraphen, Evaluation und Dify-Integration.

skygazer42
⭐ 613 Python 👤 skygazer42 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-11-28
40
ankushshah89/python-docx2txt

Ein reines Python-basiertes Hilfsprogramm zum Extrahieren von Text und Bildern aus docx-Dateien.

ankushshah89
⭐ 584 Python 👤 ankushshah89 User 🕐 Aktualisiert 2025-03-24 📅 Erstellt 2015-10-28
41
fufankeji/DeepSeek-OCR-Web

Plug-and-Play DeepSeek OCR Dokumentenanalyse Web Studio

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 Aktualisiert 2025-10-27 📅 Erstellt 2025-10-23
42
LeDat98/NexusRAG

Hybrides RAG-System, das Vektorsuche, einen Wissensgraphen (LightRAG) und Cross-Encoder-Reranking kombiniert – mit Dokumentenanalyse durch Docling, visueller Intelligenz (Beschriftung von Bildern und Tabellen), agentischem Streaming-Chat und Inline-Zitaten. Angetrieben von Gemini- oder lokalen Ollama-Modellen.

LeDat98
⭐ 533 Python 👤 LeDat98 User 🕐 Aktualisiert 2026-04-20 📅 Erstellt 2026-03-15

Häufig gestellte Fragen

1

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

Das am höchsten eingestufte Open-Source-#document-parsing-Projekt auf GitHub ist PaddlePaddle/PaddleOCR mit 92,972 Sternen. Wandeln Sie jedes PDF- oder Bilddokument in strukturierte Daten für Ihre KI um. Ein leistungsstarkes, leichtgewichtiges OCR-Toolkit, das die Lücke zwischen Bildern/PDFs und LLMs schließt. Unterstützt über 100 Sprachen.

2

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

Unter den am höchsten eingestuften #document-parsing-Projekten auf GitHub sind Python, TypeScript, Java, HTML die am häufigsten verwendeten Programmiersprachen.

3

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

Wir verfolgen 42 aktive Open-Source-Repositories, die mit #document-parsing getaggt sind (500+ Sterne), mit insgesamt 356,240 Sternen und durchschnittlich 8,481 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.