#pdf-to-markdown Repositories
Entdecke 17 aktive Open-Source-GitHub-Repositories, die mit #pdf-to-markdown getaggt sind und insgesamt 120,416 Sterne gesammelt haben (durchschnittlich 7,083 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist datalab-to/marker mit 41,010 Sternen.
Insgesamt 17 Repositories
Verwandeln Sie jedes technische Buch‑PDF in eine Claude‑Code‑Fähigkeit — bereit zum Lernen, Nachschlagen und Verwenden, während Sie arbeiten.
OCR-Modell, das komplexe Tabellen, Formulare und Handschriften mit vollständigem Layout verarbeitet.
PDF craft kann PDF-Dateien in verschiedene andere Formate konvertieren. Dieses Projekt wird sich auf die Verarbeitung von PDF-Dateien gescannter Bücher konzentrieren.
📄 Lassen Sie KI koreanische amtliche Dokumente lesen und verfassen. Konvertieren Sie HWP-, HWPX- und PDF-Dateien, Office-Dokumente sowie gescannte Bilder in Markdown – und Markdown zurück in amtliche HWPX-Dokumente. Formulare ausfüllen, alte und neue Versionen vergleichen und Dokumente unter Beibehaltung der Formatierung bearbeiten. Bibliothek, CLI und MCP-Server | Koreanische Dokumente für KI: HWP, HWPX, PDF, Office und Scans in Markdown und Markdown zurück in HWPX. Bibliothek, CLI und MCP-Server.
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.
Leicht zu implementierender und skalierbarer Backend-Server, der verschiedene Dokumentenformate (PDF, DOCX, PPTX, HTML, Bilder usw.) effizient in Markdown konvertiert. Mit Unterstützung für CPU- und GPU-Processing ist er ideal für groß angelegte Workflows und bietet Text-/Tabellenextraktion, OCR und Stapelverarbeitung mit synchronen/asynchronen Endpunkten.
E2M konvertiert verschiedene Dateitypen (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) in Markdown. Es ist einfach zu installieren, mit dedizierten Parsern und Konvertern, die benutzerdefinierte Konfigurationen unterstützen. E2M bietet eine All-in-One-, flexible und Open-Source-Lösung.
Die schnellste PDF-Bibliothek für Python und Rust. Text-Extraktion, Bild-Extraktion, Markdown-Konvertierung, PDF-Erstellung & -Bearbeitung. 0,8 ms Mittelwert, 5× schneller als Branchenführer, 100% Erfolgsquote bei 3.830 PDFs. MIT/Apache-2.0.
Formelerkennung und Office-Bearbeitung | Handschrift und PDF in LaTeX/Markdown umwandeln | Sichere API-Integrationen.
Beliebige Datei → sauberes Markdown für KI-Agenten: PDF, Word, PowerPoint, Excel, EPUB, HTML und Webseiten, Bilder (OCR), Audio und Video (Metadaten, Untertitel, Transkripte). Ein schneller Rust-MCP-Server und eine CLI, die auf deinem Rechner laufen. Kein API-Schlüssel erforderlich.
PDF in Markdown umwandeln mit Vision-LLMs – Tabellen, Layouts und Struktur erhalten
Verwandle jedes Dokument in sauberes, KI-fähiges Markdown. Desktop-App mit Local-First-Ansatz: Liest gescannte PDFs, verarbeitet Ordner stapelweise, läuft offline und benötigt deutlich weniger Tokens als Bildverarbeitungsmodelle.
Selbst gehosteter Dienst zur Umwandlung von URLs und Dateien in Markdown – für Menschen und KI-Agenten. Unterstützt Webseiten, Dokumente, Bilder, Audio und YouTube. PWA + REST + MCP + Claude-Code-Skill, Reddit-kompatibel und mit aktualisierbaren Freigabelinks.
Häufig gestellte Fragen
Welches ist das beliebteste #pdf-to-markdown-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#pdf-to-markdown-Projekt auf GitHub ist datalab-to/marker mit 41,010 Sternen. Konvertieren Sie PDF schnell und mit hoher Genauigkeit in Markdown + JSON
Welche Programmiersprachen werden in #pdf-to-markdown-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #pdf-to-markdown-Projekten auf GitHub sind Python, TypeScript, Rust, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #pdf-to-markdown-Repositories berechnet?
Wir verfolgen 17 aktive Open-Source-Repositories, die mit #pdf-to-markdown getaggt sind (500+ Sterne), mit insgesamt 120,416 Sternen und durchschnittlich 7,083 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.