Git Stars Git Stars

#pdf-extraction Repositorios

Descubre 11 repositorios activos de código abierto de GitHub etiquetados con #pdf-extraction, que acumulan 74,183 estrellas en total (una media de 6,743 estrellas por proyecto). El líder de este tema es opendataloader-project/opendataloader-pdf, con 30,355 estrellas.

11
Total de Repositorios
74,183
Total de estrellas
6,743
Promedio de Estrellas/Repo

11 repositorios en total

1
opendataloader-project/opendataloader-pdf

Analizador de PDF para datos listos para IA. Automatiza la accesibilidad de PDF. Código abierto.

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-05-13
2
firecrawl/pdf-inspector

Biblioteca rápida en Rust para inspección, clasificación y extracción de texto de PDF. Detecta inteligentemente PDFs escaneados frente a basados en texto para habilitar decisiones de enrutamiento inteligentes.

firecrawl
⭐ 20,082 Rust 👤 firecrawl Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-02-06
3
xberg-io/xberg

El motor de inteligencia documental rápido y preciso para todos los idiomas: texto, tablas y metadatos de más de 100 formatos, con OCR, transcripción e inteligencia de código.

xberg-io
⭐ 9,606 Rust 👤 xberg-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-01-31
4
Zipstack/unstract

Extracción de Datos No Estructurados Impulsada por LLM — Diseñada para Despliegues API y Flujos de Trabajo ETL

Zipstack
⭐ 7,462 Python 👤 Zipstack Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-02-21
5
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
6
aiptimizer/TurboOCR

TurboOCR, >200 img/s OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC

aiptimizer
⭐ 1,162 C++ 👤 aiptimizer Organization 🕐 Actualizado 2026-09-27 📅 Creado 2026-03-20
7
allenai/s2orc

S2ORC: El Corpus de Investigación Abierta de Semantic Scholar: https://www.aclweb.org/anthology/2020.acl-main.447/

allenai
⭐ 996 Python 👤 allenai Organization 🕐 Actualizado 2024-04-26 📅 Creado 2019-11-04
8
24eme/signaturepdf

Software web gratuito de código abierto para firmar PDF (solo o con otros) y también organizar páginas, editar metadatos y comprimir PDF

24eme
⭐ 837 JavaScript 👤 24eme Organization 🕐 Actualizado 2026-10-22 📅 Creado 2021-05-03
9
pytr-org/pytr

Use TradeRepublic en la terminal y descargue masivamente todos los documentos

pytr-org
⭐ 829 Python 👤 pytr-org Organization 🕐 Actualizado 2026-11-20 📅 Creado 2020-12-23
10
ArtifexSoftware/mupdf.js

Enlaces de JavaScript para MuPDF

ArtifexSoftware
⭐ 613 👤 ArtifexSoftware Organization 🕐 Actualizado 2026-07-01 📅 Creado 2024-01-22
11
ExtractPDF4J/ExtractPDF4J

Biblioteca de Java para extracción de tablas y OCR en PDF. Extraiga tablas estructuradas de archivos PDF basados en texto y escaneados utilizando análisis de flujo (stream), de cuadrícula (lattice, detección de cuadrícula estilo OpenCV) e híbrido.

ExtractPDF4J
⭐ 501 Java 👤 ExtractPDF4J Organization 🕐 Actualizado 2026-10-14 📅 Creado 2025-08-14

Preguntas frecuentes

1

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

El proyecto de código abierto de #pdf-extraction mejor posicionado en GitHub es opendataloader-project/opendataloader-pdf, con 30,355 estrellas. Analizador de PDF para datos listos para IA. Automatiza la accesibilidad de PDF. Código abierto.

2

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

Entre los proyectos de #pdf-extraction mejor posicionados en GitHub, los lenguajes de programación más comunes son Java, Python, Rust, C++.

3

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

Seguimos 11 repositorios activos de código abierto etiquetados con #pdf-extraction (500+ estrellas), que suman un total de 74,183 estrellas, con una media de 6,743 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.