#text-extraction Repositories
Entdecke 27 aktive Open-Source-GitHub-Repositories, die mit #text-extraction getaggt sind und insgesamt 101,655 Sterne gesammelt haben (durchschnittlich 3,765 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist firecrawl/pdf-inspector mit 20,082 Sternen.
Insgesamt 27 Repositories
Schnelle Rust-Bibliothek für PDF-Inspektion, -Klassifikation und -Textextraktion. Erkennt intelligent gescannte vs. textbasierte PDFs, um smarte Routing-Entscheidungen zu ermöglichen.
Die schnelle, präzise Dokumentenintelligenz-Engine für alle Sprachen: Texte, Tabellen und Metadaten aus über 100 Formaten – mit OCR, Transkription und Code-Intelligenz.
Python- und Kommandozeilen-Tool zum Sammeln von Text und Metadaten im Web: Crawling, Scraping, Extraktion, Ausgabe als CSV, JSON, HTML, MD, TXT, XML
PDF craft kann PDF-Dateien in verschiedene andere Formate konvertieren. Dieses Projekt wird sich auf die Verarbeitung von PDF-Dateien gescannter Bücher konzentrieren.
Tika-Python ist eine Python-Bibliothek für die Apache Tika™ REST-Services, die es ermöglicht, Tika nativ in der Python-Community aufzurufen.
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.
Ein Tool für Windows, um Text aus Dialogen und Steuerelementen zu kopieren, die das sonst nicht erlauben
Zero-Copy-PDF-Textextraktionsbibliothek, geschrieben in Zig. Hochleistungsfähiges, speicherabgebildetes Parsing mit SIMD-Beschleunigung.
PDF in Markdown umwandeln mit Vision-LLMs – Tabellen, Layouts und Struktur erhalten
Wandeln Sie unübersichtliches HTML aus der Praxis in sauberes Markdown um – in allen wichtigen Sprachen.
Automatisieren Sie die Analyse von GitHub-Repositorys für LLMs mit RepoToTextForLLMs. Holen Sie sich READMEs, Struktur und Nicht-Binärdateien effizient ab. Die Ausgaben umfassen Analyseaufforderungen, um eine umfassende Repository-Bewertung zu unterstützen.
RAG-basiertes Werkzeug zur Indizierung und Suche von PDF-Textdaten unter Verwendung der OpenAI API und eines FAISS (Facebook AI Similarity Search) Index, ausgelegt für schnelle Informationsbeschaffung und überlegene Suchgenauigkeit.
Automatische Frontend-Übersetzung. Unterstützt Youdao/Google/Baidu/benutzerdefinierte Übersetzer. Kompatibel mit webpack/vite/rollup/rsbuild, passt sich an alle in JS kompilierten Frameworks an, unterstützt Interpolationen, Namespaces usw. und hilft Ihnen, Ihr Projekt mit einem Klick zu übersetzen.
Ein reines Python-basiertes Hilfsprogramm zum Extrahieren von Text und Bildern aus docx-Dateien.
Eine einfache Bibliothek und eine Reihe von Werkzeugen zum Parsen, Modifizieren und Komponieren von SRT-Dateien.
Häufig gestellte Fragen
Welches ist das beliebteste #text-extraction-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#text-extraction-Projekt auf GitHub ist firecrawl/pdf-inspector mit 20,082 Sternen. Schnelle Rust-Bibliothek für PDF-Inspektion, -Klassifikation und -Textextraktion. Erkennt intelligent gescannte vs. textbasierte PDFs, um smarte Routing-Entscheidungen zu ermöglichen.
Welche Programmiersprachen werden in #text-extraction-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #text-extraction-Projekten auf GitHub sind Python, Rust, Java, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #text-extraction-Repositories berechnet?
Wir verfolgen 27 aktive Open-Source-Repositories, die mit #text-extraction getaggt sind (500+ Sterne), mit insgesamt 101,655 Sternen und durchschnittlich 3,765 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.