Git Stars Git Stars

#pdf-parser Repositorios

Descubre 21 repositorios activos de código abierto de GitHub etiquetados con #pdf-parser, que acumulan 321,543 estrellas en total (una media de 15,311 estrellas por proyecto). El líder de este tema es PaddlePaddle/PaddleOCR, con 92,972 estrellas.

21
Total de Repositorios
321,543
Total de estrellas
15,311
Promedio de Estrellas/Repo
Lenguajes de programación: Python Rust TypeScript Java

21 repositorios en total

1
PaddlePaddle/PaddleOCR

Convierta cualquier documento PDF o de imagen en datos estructurados para su IA. Un potente y ligero kit de herramientas OCR que cierra la brecha entre imágenes/PDF y LLM. Soporta más de 100 idiomas.

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 Actualizado 2026-09-16 📅 Creado 2020-05-08
2
opendatalab/MinerU

Transforma documentos complejos como PDFs y documentos de Office en markdown/JSON listo para LLM para tus flujos de trabajo Agentic.

opendatalab
⭐ 84,093 Python 👤 opendatalab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-02-29
3
datalab-to/marker

Convierta PDF a markdown + JSON rápidamente y con alta precisión

datalab-to
⭐ 41,010 Python 👤 datalab-to Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-10-30
4
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
5
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
6
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
7
py-pdf/pypdf

Una biblioteca PDF en Python puro capaz de dividir, fusionar, recortar y transformar las páginas de archivos PDF

py-pdf
⭐ 10,305 Python 👤 py-pdf Organization 🕐 Actualizado 2026-11-21 📅 Creado 2012-01-06
8
bytedance/Dolphin

El repositorio oficial de “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.

bytedance
⭐ 9,065 Python 👤 bytedance Organization 🕐 Actualizado 2026-03-25 📅 Creado 2025-05-13
9
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
10
dromara/yft-design

yft-design es una potente y visualmente impresionante herramienta de diseño en línea construida con Vue3, fabric.js y Element Plus. La versión de código abierto "Gao Ding Design" basada en fabric.js. Una hermosa y potente herramienta de diseño en línea con funciones de diseño de pósteres y edición de imágenes. Adecuado para una variedad de escenarios, como la generación de pósteres, la creación de imágenes de productos de comercio electrónico, el diseño de imágenes largas de artículos, la edición de portadas de video/cuentas públicas, etc.

dromara
⭐ 1,678 TypeScript 👤 dromara Organization 🕐 Actualizado 2026-09-04 📅 Creado 2023-05-25
11
yobix-ai/extractous

Extracción de datos no estructurados, rápida y eficiente. Escrito en Rust con enlaces para muchos idiomas.

yobix-ai
⭐ 1,660 Rust 👤 yobix-ai Organization 🕐 Actualizado 2024-12-21 📅 Creado 2024-06-04
12
NanoNets/docstrange

Extraiga y convierta datos de cualquier documento, imagen, PDF, documento de Word, PPT o URL a múltiples formatos (Markdown, JSON, CSV, HTML) con extracción inteligente de datos estructurados y OCR avanzado.

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 Actualizado 2025-10-31 📅 Creado 2025-07-31
13
drmingler/docling-api

Servidor backend fácilmente desplegable y escalable que convierte eficientemente varios formatos de documentos (pdf, docx, pptx, html, imágenes, etc.) a Markdown. Con soporte para procesamiento tanto de CPU como de GPU, es ideal para flujos de trabajo a gran escala, ofrece extracción de texto/tablas, OCR y procesamiento por lotes con puntos finales síncronos/asíncronos.

drmingler
⭐ 1,511 Python 👤 drmingler User 🕐 Actualizado 2026-08-04 📅 Creado 2024-11-05
14
Leutenegger/book-to-skill

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

Leutenegger
⭐ 1,227 Python 👤 Leutenegger User 🕐 Actualizado 2026-08-14 📅 Creado 2026-08-13
15
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
16
AlexandrosGounis/pdfx

Un lienzo 2D de libre flotación para procesar múltiples archivos PDF simultáneamente

AlexandrosGounis
⭐ 1,093 TypeScript 👤 AlexandrosGounis User 🕐 Actualizado 2026-09-19 📅 Creado 2026-06-24
17
adithya-s-k/marker-api

🚀 API fácilmente desplegable para convertir PDF a markdown rápidamente con alta precisión.

adithya-s-k
⭐ 928 Python 👤 adithya-s-k User 🕐 Actualizado 2024-10-15 📅 Creado 2024-05-10
18
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
19
Prismer-AI/Prismer

Garra de Investigación de Código Abierto

Prismer-AI
⭐ 781 TypeScript 👤 Prismer-AI Organization 🕐 Actualizado 2026-06-24 📅 Creado 2026-01-28
20
ispras/dedoc

Dedoc es una biblioteca (servicio) para el análisis automatizado de documentos y su unificación en un formato uniforme. Extrae automáticamente contenido, estructura lógica, tablas e metainformación de documentos electrónicos textuales. (Análisis de documentos; Extracción de contenido de documentos; Extracción de estructura lógica; Analizador PDF; Analizador de documentos escaneados; Analizador DOCX; Analizador HTML)

ispras
⭐ 739 Python 👤 ispras Organization 🕐 Actualizado 2026-11-09 📅 Creado 2020-12-07
21
opendatalab/MinerU-Diffusion

[ECCV 2026] Un marco basado en difusión para OCR de documentos que reemplaza la decodificación autorregresiva con decodificación de difusión paralela a nivel de bloque.

opendatalab
⭐ 624 Python 👤 opendatalab Organization 🕐 Actualizado 2026-06-18 📅 Creado 2026-03-13

Preguntas frecuentes

1

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

El proyecto de código abierto de #pdf-parser mejor posicionado en GitHub es PaddlePaddle/PaddleOCR, con 92,972 estrellas. Convierta cualquier documento PDF o de imagen en datos estructurados para su IA. Un potente y ligero kit de herramientas OCR que cierra la brecha entre imágenes/PDF y LLM. Soporta más de 100 idiomas.

2

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

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

3

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

Seguimos 21 repositorios activos de código abierto etiquetados con #pdf-parser (500+ estrellas), que suman un total de 321,543 estrellas, con una media de 15,311 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.