Git Stars Git Stars

#document-processing Repositorios

Descubre 65 repositorios activos de código abierto de GitHub etiquetados con #document-processing, que acumulan 214,351 estrellas en total (una media de 3,297 estrellas por proyecto). El líder de este tema es virgiliojr94/book-to-skill, con 38,623 estrellas.

65
Total de Repositorios
214,351
Total de estrellas
3,297
Promedio de Estrellas/Repo

65 repositorios en total

1
virgiliojr94/book-to-skill

Convierte cualquier PDF de libro técnico en una habilidad Claude Code — lista para estudiar, consultar y usar mientras trabajas.

virgiliojr94
⭐ 38,623 Python 👤 virgiliojr94 User 🕐 Actualizado 2026-11-19 📅 Creado 2026-05-01
2
storytold/pdfcraft

PdfCraft: un lector y editor de PDF de código abierto escrito desde cero en Rust puro

storytold
⭐ 21,378 Rust 👤 storytold Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-09-30
3
rocketride-org/rocketride-server

RocketRide es un meta-harness de IA de código abierto con el único entorno de ejecución de nivel empresarial basado en C++. Crea, prueba y publica agentes duraderos que escalan en producción.

rocketride-org
⭐ 20,003 Python 👤 rocketride-org Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-02-11
4
allenai/olmocr

Kit de herramientas para linealizar PDF para conjuntos de datos/entrenamiento de LLM

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 Actualizado 2026-03-25 📅 Creado 2024-09-17
5
run-llama/liteparse

Un analizador de documentos rápido, útil y de código abierto

run-llama
⭐ 13,074 Rust 👤 run-llama Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-02-09
6
BehiSecc/awesome-claude-skills

Una lista seleccionada de habilidades de Claude.

BehiSecc
⭐ 10,463 👤 BehiSecc User 🕐 Actualizado 2026-11-02 📅 Creado 2025-10-17
7
oomol-lab/pdf-craft

PDF craft puede convertir archivos PDF a varios otros formatos. Este proyecto se centrará en el procesamiento de archivos PDF de libros escaneados.

oomol-lab
⭐ 6,787 Python 👤 oomol-lab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-02-12
8
OpenSenseNova/SenseNova-Skills

Habilidades modulares de SenseNova para crear asistentes de oficina y flujos de trabajo de productividad basados en IA

OpenSenseNova
⭐ 6,102 JavaScript 👤 OpenSenseNova Organization 🕐 Actualizado 2026-11-13 📅 Creado 2026-04-14
9
python-openxml/python-docx

Crear y modificar documentos de Word con Python

python-openxml
⭐ 5,777 Python 👤 python-openxml Organization 🕐 Actualizado 2026-08-01 📅 Creado 2013-10-15
10
going-doer/Paper2Code

Paper2Code: Automatización de la generación de código a partir de artículos científicos en aprendizaje automático

going-doer
⭐ 5,044 Python 👤 going-doer User 🕐 Actualizado 2026-03-25 📅 Creado 2025-04-25
11
ucbepic/docetl

Un sistema para el procesamiento de datos y ETL impulsado por LLM agentivo

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 Actualizado 2026-11-17 📅 Creado 2024-07-09
⭐ 3,066 C 👤 ArtifexSoftware Organization 🕐 Actualizado 2026-11-19 📅 Creado 2015-06-24
13
wxyhgk/retain-pdf

Traducción de PDF manteniendo el diseño, fórmulas y estructura, apta para documentos científicos y técnicos

wxyhgk
⭐ 2,734 Python 👤 wxyhgk User 🕐 Actualizado 2026-11-10 📅 Creado 2026-03-29
14
ctripcorp/C-OCR

C-OCR es un proyecto OCR desarrollado por Ctrip, que incluye principalmente el reconocimiento de documentos y materiales relacionados con los viajes, como tarjetas de identidad, pasaportes, billetes de tren, visados, etc. El proyecto consta de 4 partes: rechazo, detección, reconocimiento y postprocesamiento.

ctripcorp
⭐ 2,467 Java 👤 ctripcorp Organization 🕐 Actualizado 2024-02-14 📅 Creado 2019-04-11
15
tesseract-ocr/tessdoc

Documentación de Tesseract

tesseract-ocr
⭐ 2,462 HTML 👤 tesseract-ocr Organization 🕐 Actualizado 2026-11-16 📅 Creado 2020-01-30
17
shcherbak-ai/contextgem

Extrae datos estructurados e información valiosa de documentos mediante modelos de lenguaje grandes y modelos de decisión

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-11
18
pmaupin/pdfrw

pdfrw es una biblioteca Python pura que lee y escribe archivos PDF

pmaupin
⭐ 1,912 Python 👤 pmaupin User 🕐 Actualizado 2024-04-29 📅 Creado 2015-05-30
19
WASasquatch/was-node-suite-comfyui

WAS-NS v3 Reborn; herramientas para procesamiento de imágenes, filtros, máscaras, texto, lógica, números, latentes, archivos, escenas 3D y animación.

WASasquatch
⭐ 1,899 Python 👤 WASasquatch User 🕐 Actualizado 2026-11-19 📅 Creado 2023-03-24
20
syncfusion/flutter-widgets

Las bibliotecas de widgets de Syncfusion Flutter incluyen widgets de UI de alta calidad y paquetes de formatos de archivo para ayudarlo a crear aplicaciones ricas y de alta calidad para iOS, Android y web desde una única base de código.

syncfusion
⭐ 1,787 Dart 👤 syncfusion Organization 🕐 Actualizado 2026-11-03 📅 Creado 2020-10-01
21
nguyenq/tess4j

Envoltorio JNA de Java para la API Tesseract OCR

nguyenq
⭐ 1,755 Java 👤 nguyenq User 🕐 Actualizado 2026-11-07 📅 Creado 2014-06-25
22
itext/itextpdf

[OBSOLETO] Biblioteca Java principal + PDF/A, xtra y XML Worker. Solo se añadirán correcciones de seguridad; utilice iText 7

itext
⭐ 1,680 Java 👤 itext Organization 🕐 Actualizado 2026-11-17 📅 Creado 2013-12-03
23
GongRzhe/Office-Word-MCP-Server

Un servidor del Protocolo de Contexto de Modelo (MCP) para crear, leer y manipular documentos de Microsoft Word. Este servidor permite a los asistentes de IA trabajar con documentos de Word a través de una interfaz estandarizada, proporcionando ricas capacidades de edición de documentos.

GongRzhe
⭐ 1,672 Python 👤 GongRzhe User 🕐 Actualizado 2025-12-31 📅 Creado 2025-03-25
24
enoch3712/ExtractThinker

ExtractThinker es una biblioteca de inteligencia documental para LLM, que ofrece una interacción estilo ORM para flujos de trabajo de documentos flexibles y potentes.

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 Actualizado 2026-09-16 📅 Creado 2024-02-01
25
Topdu/OpenOCR

OpenOCR: Un conjunto de herramientas de código abierto para investigación y aplicaciones generales de OCR, integra un punto de referencia unificado de entrenamiento y evaluación, sistemas OCR y de análisis de documentos de grado comercial, y reproducciones fieles de las implementaciones principales de una amplia variedad de artículos académicos.

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 Actualizado 2026-09-21 📅 Creado 2024-05-31
26
tjmlabs/ColiVara

Colivara es una suite de servicios que le permite almacenar, buscar y recuperar documentos basándose en su incrustación visual. ColiVara tiene un rendimiento de recuperación de última generación tanto en documentos de texto como visuales. utilizando modelos de visión en lugar de división y procesamiento de texto para documentos. Sin OCR, sin extracción de texto, sin tablas rotas ni imágenes faltantes.

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 Actualizado 2026-07-08 📅 Creado 2024-09-21
27
egoist/chatwise-releases

El chatbot de IA más rápido para cualquier LLM

egoist
⭐ 1,373 TypeScript 👤 egoist User 🕐 Actualizado 2026-07-01 📅 Creado 2024-11-05
28
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
29
danvergara/morphos

Servidor de conversión de archivos autoalojado

danvergara
⭐ 1,314 Go 👤 danvergara User 🕐 Actualizado 2024-11-16 📅 Creado 2023-10-08
30
empira/PDFsharp-1.5

Una biblioteca .NET para procesar PDF

empira
⭐ 1,300 C# 👤 empira Organization 🕐 Actualizado 2024-01-25 📅 Creado 2015-12-16
31
ssine/pptx2md

Un convertidor de PPTX a Markdown

ssine
⭐ 1,279 Python 👤 ssine User 🕐 Actualizado 2026-04-21 📅 Creado 2018-11-02
32
yfedoseev/pdf_oxide

La biblioteca PDF más rápida para Python y Rust. Extracción de texto, extracción de imágenes, conversión a markdown, creación y edición de PDF. Media de 0.8 ms, 5× más rápida que los líderes de la industria, tasa de aprobación del 100% en 3.830 PDFs. MIT/Apache-2.0.

yfedoseev
⭐ 1,205 Rust 👤 yfedoseev User 🕐 Actualizado 2026-11-21 📅 Creado 2025-11-05
34
DonTizi/rlama

Una potente herramienta de IA para documentos que responde preguntas y se conecta a sus modelos Ollama locales. Cree, administre e interactúe con sistemas RAG para todas sus necesidades de documentos.

DonTizi
⭐ 1,096 Go 👤 DonTizi User 🕐 Actualizado 2025-08-09 📅 Creado 2025-03-05
35
ocrbase-hq/ocrbase

📄 PDF -> .MD/.JSON API & SDK para PaddleOCR-VL con extracción de datos estructurados. Autoalojable.

ocrbase-hq
⭐ 990 TypeScript 👤 ocrbase-hq Organization 🕐 Actualizado 2026-04-13 📅 Creado 2026-01-20
36
mudler/LocalRecall

:brain: Capa de memoria 100% local y base de conocimientos para agentes con WebUI

mudler
⭐ 987 Go 👤 mudler User 🕐 Actualizado 2026-11-02 📅 Creado 2025-02-12
⭐ 964 Python 👤 Unstructured-IO Organization 🕐 Actualizado 2026-11-18 📅 Creado 2022-12-09
38
docling-project/docling-graph

Transforma documentos no estructurados en grafos de conocimiento validados, ricos en información y consultables.

docling-project
⭐ 947 Python 👤 docling-project Organization 🕐 Actualizado 2026-11-16 📅 Creado 2025-11-17
40
eclaire-labs/eclaire

Asistente de IA local y de código abierto para sus datos. Unifique tareas, notas, documentos, fotos y marcadores. Privado, autohospedado y extensible a través de API.

eclaire-labs
⭐ 925 TypeScript 👤 eclaire-labs Organization 🕐 Actualizado 2026-11-08 📅 Creado 2025-09-02
41
superagent-ai/reag

Generación Aumentada por Razonamiento

superagent-ai
⭐ 903 Python 👤 superagent-ai Organization 🕐 Actualizado 2025-07-15 📅 Creado 2025-02-02
42
LaurenzV/hayro

Un conjunto de crates de Rust para analizar, interpretar y renderizar archivos PDF.

LaurenzV
⭐ 879 Rust 👤 LaurenzV User 🕐 Actualizado 2026-11-19 📅 Creado 2025-04-22
43
mahonelau/-kykms

KY KMS de Key-Origin es un sistema de gestión del conocimiento tipo documento, basado en Elasticsearch, que ofrece potentes funciones de búsqueda de texto completo y gestión de clasificación de documentos.

mahonelau
⭐ 853 Java 👤 mahonelau User 🕐 Actualizado 2026-03-11 📅 Creado 2022-03-27
44
ngafar/llama-scan

Transcribir PDF con LLM locales

ngafar
⭐ 807 Python 👤 ngafar User 🕐 Actualizado 2026-10-22 📅 Creado 2025-06-11
45
pbcquoc/vietocr

Transformer OCR

pbcquoc
⭐ 774 Jupyter Notebook 👤 pbcquoc User 🕐 Actualizado 2025-01-19 📅 Creado 2020-05-08
46
ihatecsv/deepseek-ocr-client

Una GUI de escritorio basada en Electron en tiempo real para DeepSeek-OCR

ihatecsv
⭐ 770 JavaScript 👤 ihatecsv User 🕐 Actualizado 2025-12-24 📅 Creado 2025-10-22
47
coherentgraphics/cpdf-binaries

Binarios de herramientas de línea de comandos PDF para Linux, Mac, Windows

coherentgraphics
⭐ 741 HTML 👤 coherentgraphics Organization 🕐 Actualizado 2026-11-04 📅 Creado 2013-08-15
48
abatsakidis/PDFDeSecure

Un desbloqueador de PDF fácil de usar. Elimina la protección contra copias de los archivos PDF.

abatsakidis
⭐ 733 C# 👤 abatsakidis User 🕐 Actualizado 2026-07-28 📅 Creado 2018-04-13
49
dawbarton/pdf2svg

Un convertidor simple de PDF a SVG que utiliza las bibliotecas Poppler y Cairo

dawbarton
⭐ 715 Shell 👤 dawbarton User 🕐 Actualizado 2025-03-07 📅 Creado 2013-07-18
50
pandoc/lua-filters

Una colección de filtros lua para pandoc

pandoc
⭐ 677 Lua 👤 pandoc Organization 🕐 Actualizado 2025-12-01 📅 Creado 2017-11-21

Preguntas frecuentes

1

¿Cuál es el repositorio de #document-processing más popular en GitHub?

El proyecto de código abierto de #document-processing mejor posicionado en GitHub es virgiliojr94/book-to-skill, con 38,623 estrellas. Convierte cualquier PDF de libro técnico en una habilidad Claude Code — lista para estudiar, consultar y usar mientras trabajas.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #document-processing?

Entre los proyectos de #document-processing mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Rust, Java, TypeScript.

3

¿Cómo se calcula la clasificación de los repositorios de #document-processing?

Seguimos 65 repositorios activos de código abierto etiquetados con #document-processing (500+ estrellas), que suman un total de 214,351 estrellas, con una media de 3,297 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.