Git Stars Git Stars

#table-extraction Repositorios

Descubre 11 repositorios activos de código abierto de GitHub etiquetados con #table-extraction, que acumulan 93,330 estrellas en total (una media de 8,484 estrellas por proyecto). El líder de este tema es datalab-to/marker, con 41,010 estrellas.

11
Total de Repositorios
93,330
Total de estrellas
8,484
Promedio de Estrellas/Repo
Lenguajes de programación: Python Rust

11 repositorios en total

1
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
2
datalab-to/chandra

Modelo de OCR que maneja tablas complejas, formularios y escritura a mano con diseño completo.

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 Actualizado 2026-11-16 📅 Creado 2025-10-08
3
pymupdf/PyMuPDF

Motor de documentos con reconocimiento de la maquetación para IA y un completo conjunto de herramientas de Python para extraer, representar y editar PDF y otros documentos. Desde la versión 2.0, su análisis de maquetación basado en aprendizaje automático convierte archivos PDF y de Office en Markdown de alta calidad para RAG y agentes, funciona con rapidez en CPU y vincula cada resultado con su página de origen.

pymupdf
⭐ 11,175 Python 👤 pymupdf Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-10-06
4
jsvine/pdfplumber

Analiza un PDF en busca de información detallada sobre cada carácter, rectángulo, línea, etc. — y extrae fácilmente texto y tablas.

jsvine
⭐ 10,918 Python 👤 jsvine User 🕐 Actualizado 2026-11-21 📅 Creado 2015-08-24
5
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
6
microsoft/table-transformer

Table Transformer (TATR) es un modelo de aprendizaje profundo para extraer tablas de documentos no estructurados (PDF e imágenes). Este es también el repositorio oficial del conjunto de datos PubTables-1M y la métrica de evaluación GriTS.

microsoft
⭐ 2,820 Python 👤 microsoft Organization 🕐 Actualizado 2024-06-24 📅 Creado 2021-05-17
7
NanoNets/docext

Un kit de herramientas local, sin OCR, para extracción de datos no estructurados, conversión a markdown y benchmarking. (https://idp-leaderboard.org/)

NanoNets
⭐ 2,086 Python 👤 NanoNets Organization 🕐 Actualizado 2026-03-17 📅 Creado 2025-03-25
8
xavctn/img2table

img2table es una biblioteca Python de identificación y extracción de tablas para PDF e imágenes, basada en el procesamiento de imágenes de OpenCV

xavctn
⭐ 903 Python 👤 xavctn User 🕐 Actualizado 2026-11-12 📅 Creado 2022-03-21
9
yigitkonur/api-llm-ocr

PDF a markdown usando LLMs de visión — tablas, diseños y estructura preservados

yigitkonur
⭐ 900 Python 👤 yigitkonur User 🕐 Actualizado 2026-02-21 📅 Creado 2024-09-22
10
run-llama/ParseBench

ParseBench - Un punto de referencia de análisis de documentos para agentes de IA

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-10
11
conjuncts/gmft

Extracción de tablas profunda, ligera y de alto rendimiento

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

Preguntas frecuentes

1

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

El proyecto de código abierto de #table-extraction mejor posicionado en GitHub es datalab-to/marker, con 41,010 estrellas. Convierta PDF a markdown + JSON rápidamente y con alta precisión

2

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

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

3

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

Seguimos 11 repositorios activos de código abierto etiquetados con #table-extraction (500+ estrellas), que suman un total de 93,330 estrellas, con una media de 8,484 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.