Git Stars Git Stars

#data-extraction Repositorios

131
Total de Repositorios
729,329
Total de estrellas
5,567
Promedio de Estrellas/Repo

131 repositorios en total

101
developersdigest/llm-api-engine

Crea e implementa API impulsadas por IA en segundos

developersdigest
⭐ 755 TypeScript 👤 developersdigest User 🕐 Actualizado 2025-02-03 📅 Creado 2025-01-24
102
polyrabbit/hacker-news-digest

📰 Deja que un LLM resuma Hacker News por ti

polyrabbit
⭐ 754 Python 👤 polyrabbit User 🕐 Actualizado 2026-11-21 📅 Creado 2014-09-17
103
ScrapeGraphAI/scrapecraft

Editor de web scraping impulsado por IA con constructor de flujo de trabajo visual. Cree, pruebe e implemente web scrapers usando lenguaje natural. Impulsado por ScrapeGraphAI y LangGraph.

ScrapeGraphAI
⭐ 731 Python 👤 ScrapeGraphAI Organization 🕐 Actualizado 2025-12-26 📅 Creado 2025-07-01
104
kovidgoyal/html5-parser

Análisis rápido de HTML 5 basado en C para Python

kovidgoyal
⭐ 710 C 👤 kovidgoyal User 🕐 Actualizado 2026-09-20 📅 Creado 2017-06-03
105
adrienjoly/npm-pdfreader

🚜 Analiza texto y tablas de archivos PDF.

adrienjoly
⭐ 703 HTML 👤 adrienjoly User 🕐 Actualizado 2026-01-21 📅 Creado 2015-03-05
106
ndl-lab/ndlocr_cli

El repositorio de la aplicación NDLOCR (incluido el código fuente)

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 Actualizado 2026-01-05 📅 Creado 2022-03-30
107
allenai/science-parse

Science Parse analiza artículos científicos (en formato PDF) y los devuelve en forma estructurada.

allenai
⭐ 686 Java 👤 allenai Organization 🕐 Actualizado 2024-05-26 📅 Creado 2015-08-19
108
ladislav-zezula/StormLib

Repositorio oficial de GitHub de la biblioteca StormLib creada por Ladislav Zezula (autor)

ladislav-zezula
⭐ 668 C 👤 ladislav-zezula User 🕐 Actualizado 2026-11-18 📅 Creado 2013-01-11
109
adamschwartz/web.scraper.workers.dev

Extraer texto de sitios web mediante selector CSS.

adamschwartz
⭐ 658 JavaScript 👤 adamschwartz User 🕐 Actualizado 2024-02-14 📅 Creado 2019-10-10
110
yanzhou/CnkiSpider

Crawler de China National Knowledge Infrastructure

yanzhou
⭐ 653 Python 👤 yanzhou User 🕐 Actualizado 2025-03-08 📅 Creado 2014-11-05
112
dzhng/zod-gpt

Obtenga salidas JSON estructuradas, con tipos completos y validadas de los modelos OpenAI y Anthropic.

dzhng
⭐ 629 TypeScript 👤 dzhng User 🕐 Actualizado 2024-04-26 📅 Creado 2023-06-26
113
mac4n6/APOLLO

Patrón de Vida Apple Salida Perezosa

mac4n6
⭐ 627 Python 👤 mac4n6 User 🕐 Actualizado 2024-02-25 📅 Creado 2018-11-04
114
jrmuizel/pdf-extract

Una biblioteca de Rust para extraer contenido de archivos PDF

jrmuizel
⭐ 604 Rust 👤 jrmuizel User 🕐 Actualizado 2026-09-16 📅 Creado 2017-02-01
115
ScrapingBee/google-reviews-scraper

Integración de la API de Reseñas de Google y un Scraper de Reseñas de Google escalable para extraer calificaciones, texto de reseñas e información empresarial de Google Maps utilizando una API de Reseñas de Google estructurada.

ScrapingBee
⭐ 601 👤 ScrapingBee Organization 🕐 Actualizado 2026-02-20 📅 Creado 2026-02-19
116
Kakulukian/youtube-transcript

Obtener transcripción de un video de YouTube

Kakulukian
⭐ 590 TypeScript 👤 Kakulukian User 🕐 Actualizado 2026-04-25 📅 Creado 2020-09-26
117
samacs/simple_html_dom

Solo un fork de la biblioteca Simple HTML DOM. (http://simplehtmldom.sourceforge.net/)

samacs
⭐ 587 HTML 👤 samacs User 🕐 Actualizado 2024-05-15 📅 Creado 2012-09-23
118
tbvdm/sigtop

Exportar mensajes de Signal Desktop

tbvdm
⭐ 585 Go 👤 tbvdm User 🕐 Actualizado 2026-09-14 📅 Creado 2021-03-10
119
Ormicron/chatViewTool

Visor gráfico de descifrado de historial de chat de WeChat implementado en Java

Ormicron
⭐ 584 👤 Ormicron User 🕐 Actualizado 2024-05-20 📅 Creado 2022-06-16
121
mrshu/github-statuses

La "Página de estado de GitHub faltante": un intento de Flat Data para documentar históricamente los estados de GitHub

mrshu
⭐ 578 JavaScript 👤 mrshu User 🕐 Actualizado 2026-11-21 📅 Creado 2022-06-11
122
itstyren/CNKI-download

:frog: Descarga de literatura CNKI y rastreador de vista previa de literatura (Web Scraper para Extracción de Datos)

itstyren
⭐ 578 Python 👤 itstyren User 🕐 Actualizado 2024-11-18 📅 Creado 2018-12-13
123
vakra-dev/reader

Infraestructura web de código abierto para IA. Raspado, rastreo y automatización de la web, limpieza de markdown, sesiones de navegador, listo para tus agentes.

vakra-dev
⭐ 577 TypeScript 👤 vakra-dev Organization 🕐 Actualizado 2026-10-06 📅 Creado 2026-01-07
124
jpjacobpadilla/Stealth-Requests

¡Web-scraping indetectable y análisis HTML fluido en Python!

jpjacobpadilla
⭐ 570 Python 👤 jpjacobpadilla User 🕐 Actualizado 2026-09-19 📅 Creado 2024-08-04
125
bawadou/ai-data-extractor

Extractor gratuito y de código abierto para historiales de chat de asistentes de programación con IA. Compatible con Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code y más.

bawadou
⭐ 555 Python 👤 bawadou User 🕐 Actualizado 2026-09-07 📅 Creado 2026-08-16
126
conjuncts/gmft

Extracción de tablas profunda, ligera y de alto rendimiento

conjuncts
⭐ 544 Python 👤 conjuncts User 🕐 Actualizado 2026-07-24 📅 Creado 2024-06-08
127
poloclub/unitable

Taller de NeurIPS'24 - UniTable: Hacia un modelo fundacional unificado para tablas

poloclub
⭐ 537 Jupyter Notebook 👤 poloclub Organization 🕐 Actualizado 2026-04-21 📅 Creado 2024-01-09
128
xd20111/inshackle

Trucos de Instagram: Rastrear unfollowers, Aumenta tus seguidores, Descargar Stories, etc

xd20111
⭐ 535 Shell 👤 xd20111 User 🕐 Actualizado 2024-03-12 📅 Creado 2019-03-03
129
jatechan/ai-data-extractor

Extractor gratuito y de código abierto para historiales de chat de asistentes de programación con IA. Compatible con Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code y más

jatechan
⭐ 526 Python 👤 jatechan User 🕐 Actualizado 2026-10-20 📅 Creado 2026-10-11
130
oxylabs/web-scraper-api

API de scraping web todo en uno para extraer datos a gran escala en tiempo real: proxies, gestión de CAPTCHA, renderizado de JavaScript y análisis en una sola solicitud, con resultados en HTML o JSON estructurado.

oxylabs
⭐ 503 👤 oxylabs Organization 🕐 Actualizado 2026-10-01 📅 Creado 2026-06-05