Git Stars Git Stars

#content-extraction Repositorios

Descubre 20 repositorios activos de código abierto de GitHub etiquetados con #content-extraction, que acumulan 107,705 estrellas en total (una media de 5,385 estrellas por proyecto). El líder de este tema es soimort/you-get, con 56,851 estrellas.

20
Total de Repositorios
107,705
Total de estrellas
5,385
Promedio de Estrellas/Repo

20 repositorios en total

1
soimort/you-get

:arrow_double_down: Descargador simple que raspa la web

soimort
⭐ 56,851 Python 👤 soimort User 🕐 Actualizado 2026-11-15 📅 Creado 2012-08-20
2
mozilla/readability

Una versión independiente de la biblioteca de legibilidad

mozilla
⭐ 11,561 JavaScript 👤 mozilla Organization 🕐 Actualizado 2026-08-04 📅 Creado 2015-02-03
3
firecrawl/firecrawl-mcp-server

Servidor MCP oficial de Firecrawl, la API de contexto para agentes de IA: busca, extrae e interactúa con la web, además de analizar, rastrear, mapear y usar Agent y Monitor desde cualquier cliente MCP.

firecrawl
⭐ 7,871 JavaScript 👤 firecrawl Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-12-06
4
karpathy/reader3

Rápida ilustración de cómo uno puede leer libros fácilmente junto con los LLM. Es genial y lo recomiendo encarecidamente.

karpathy
⭐ 3,908 Python 👤 karpathy User 🕐 Actualizado 2025-11-18 📅 Creado 2025-11-18
5
feedbin/feedbin

Un buen lugar para leer en la web.

feedbin
⭐ 3,786 Ruby 👤 feedbin Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-08-24
6
CosmosShadow/gptpdf

Usar GPT para analizar PDF

CosmosShadow
⭐ 3,553 Python 👤 CosmosShadow User 🕐 Actualizado 2025-04-17 📅 Creado 2024-06-28
7
paquettg/php-html-parser

Un analizador DOM HTML. Le permite manipular HTML. Encuentre etiquetas en una página HTML con selectores, al igual que jQuery.

paquettg
⭐ 2,405 HTML 👤 paquettg User 🕐 Actualizado 2024-08-09 📅 Creado 2013-12-13
8
btahir/open-deep-research

Alternativa de código abierto a Gemini Deep Research. Genere informes con IA basados en resultados de búsqueda.

btahir
⭐ 2,141 TypeScript 👤 btahir User 🕐 Actualizado 2025-12-15 📅 Creado 2024-12-24
9
supermemoryai/markdowner

Una herramienta rápida para convertir cualquier sitio web en datos de markdown listos para LLM. Creado por https://supermemory.ai

supermemoryai
⭐ 2,033 TypeScript 👤 supermemoryai Organization 🕐 Actualizado 2026-10-02 📅 Creado 2024-05-09
10
Momo707577045/media-source-extract

Tutorial de extracción de video de MediaSource

Momo707577045
⭐ 1,925 HTML 👤 Momo707577045 User 🕐 Actualizado 2025-04-22 📅 Creado 2020-09-29
11
extractus/article-extractor

Extraer artículo de la URL proporcionada

extractus
⭐ 1,920 TypeScript 👤 extractus Organization 🕐 Actualizado 2026-08-20 📅 Creado 2015-11-29
12
egoist/sitefetch

Obtener un sitio completo y guardarlo como un archivo de texto (para usar con modelos de IA).

egoist
⭐ 1,733 TypeScript 👤 egoist User 🕐 Actualizado 2025-01-18 📅 Creado 2025-01-07
13
huridocs/pdf-document-layout-analysis

Un servicio basado en Docker para el análisis de diseño de documentos PDF. Este servicio proporciona un servicio de análisis de PDF potente y flexible. El servicio permite la segmentación y clasificación de diferentes partes de las páginas PDF, identificando elementos como textos, títulos, imágenes, tablas, etc.

huridocs
⭐ 1,366 Python 👤 huridocs Organization 🕐 Actualizado 2026-10-29 📅 Creado 2024-05-06
14
mika-cn/maoxian-web-clipper

Una extensión web para recortar información de páginas web. Guárdala en tu máquina local para evitar la invalidación de la información. Sin registro aburrido, sin cargos.

mika-cn
⭐ 1,230 JavaScript 👤 mika-cn User 🕐 Actualizado 2026-08-23 📅 Creado 2018-08-09
15
meowcateatrat/elephant

Complemento de Free Download Manager. Proporciona soporte para descargar videos de varios sitios.

meowcateatrat
⭐ 1,170 Python 👤 meowcateatrat User 🕐 Actualizado 2026-10-26 📅 Creado 2022-04-08
16
xiaoguyu/wechatDownload

Herramienta de descarga de artículos de cuentas oficiales de WeChat

xiaoguyu
⭐ 1,107 TypeScript 👤 xiaoguyu User 🕐 Actualizado 2025-11-28 📅 Creado 2023-01-03
17
Pokee-AI/PokeeResearchOSS

Repositorio de código abierto del modelo de investigación profunda de Pokee

Pokee-AI
⭐ 1,075 Python 👤 Pokee-AI Organization 🕐 Actualizado 2025-10-22 📅 Creado 2025-10-17
18
runesleo/x-reader

Servidor MCP de lector de contenido universal para más de 10 plataformas

runesleo
⭐ 992 Python 👤 runesleo User 🕐 Actualizado 2026-11-11 📅 Creado 2026-02-22
19
rNeomy/reader-view

Accede a la vista de lectura integrada de Firefox desde el menú contextual de clic derecho

rNeomy
⭐ 564 JavaScript 👤 rNeomy User 🕐 Actualizado 2026-11-12 📅 Creado 2015-10-05
20
firecrawl/llmstxt-generator

🔥 ¡Genera los archivos llms.txt y llms-full.txt para cualquier sitio web!

firecrawl
⭐ 528 TypeScript 👤 firecrawl Organization 🕐 Actualizado 2025-06-17 📅 Creado 2024-11-19

Preguntas frecuentes

1

¿Cuál es el repositorio de #content-extraction más popular en GitHub?

El proyecto de código abierto de #content-extraction mejor posicionado en GitHub es soimort/you-get, con 56,851 estrellas. :arrow_double_down: Descargador simple que raspa la web

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #content-extraction?

Entre los proyectos de #content-extraction mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, JavaScript, HTML.

3

¿Cómo se calcula la clasificación de los repositorios de #content-extraction?

Seguimos 20 repositorios activos de código abierto etiquetados con #content-extraction (500+ estrellas), que suman un total de 107,705 estrellas, con una media de 5,385 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.