#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.
Insgesamt 42 Repositories
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.
PDF-Parser für KI-fähige Daten. Automatisieren Sie PDF-Barrierefreiheit. Open Source.
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.
OCR-Modell, das komplexe Tabellen, Formulare und Handschriften mit vollständigem Layout verarbeitet.
Implementierung des Nougat Neural Optical Understanding für akademische Dokumente
Mehrsprachige Dokumentenlayout-Analyse in einem einzigen Vision-Language-Modell
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.
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.
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.
Das offizielle CLI für Agentic Document Extraction (ADE) von LandingAI — Dokumente parsen und schemakonforme Daten direkt über das Terminal extrahieren
[CVPR 2025] Ein umfassender Benchmark für Dokumentenanalyse und -bewertung
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
ExtractThinker ist eine Document Intelligence-Bibliothek für LLMs, die eine ORM-ähnliche Interaktion für flexible und leistungsstarke Dokumenten-Workflows bietet.
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.
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.
Ragflow-Plus ist eine weiterentwickelte Version von Ragflow, die sie prägnanter und praktischer macht
Dieses Repo stellt den serverseitigen Code für die llmsherpa API zur Verbindung bereit. Es enthält Parser für verschiedene Dateiformate.
S2ORC: Der Semantic Scholar Open Research Corpus: https://www.aclweb.org/anthology/2020.acl-main.447/
Hochleistungs-Markdown-Notiz-Tool! Kostenlose KI, intelligente Notizen, TODO-Erinnerungen, lokales Wissensdatenbank, KI-Roman-Engine. PDF-Parsing, automatische Sprachnotizen, Audio-zu-Text. Millisekundenstart.
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).
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
Chinesisch priorisierte RAG-Wissensdatenbank für Unternehmen: kontrollierbare Analyse, Governance, Chunking, hybride Suche, Reranking, Zitate, Wissensgraphen, Evaluation und Dify-Integration.
Ein reines Python-basiertes Hilfsprogramm zum Extrahieren von Text und Bildern aus docx-Dateien.
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.
Häufig gestellte Fragen
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.
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.
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.