Git Stars Git Stars

#text-cleaning Repositorios

Descubre 6 repositorios activos de código abierto de GitHub etiquetados con #text-cleaning, que acumulan 20,035 estrellas en total (una media de 3,339 estrellas por proyecto). El líder de este tema es adbar/trafilatura, con 7,157 estrellas.

6
Total de Repositorios
20,035
Total de estrellas
3,339
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook
1
adbar/trafilatura

Herramienta de Python y línea de comandos para recopilar texto y metadatos en la Web: Rastreo, raspado, extracción, salida como CSV, JSON, HTML, MD, TXT, XML

adbar
⭐ 7,157 Python 👤 adbar User 🕐 Actualizado 2026-11-20 📅 Creado 2019-04-08
2
WikiExtractor/wikiextractor

Una herramienta para extraer texto plano de los volcados de Wikipedia

WikiExtractor
⭐ 4,007 Python 👤 WikiExtractor Organization 🕐 Actualizado 2026-10-19 📅 Creado 2015-03-22
3
rspeer/python-ftfy

Corrige el mojibake y otros fallos en texto Unicode, a posteriori.

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 Actualizado 2024-10-30 📅 Creado 2012-08-24
4
blmoistawinde/HarvestText

Herramientas de minería de texto y preprocesamiento (limpieza de texto, descubrimiento de nuevas palabras, análisis de sentimientos, reconocimiento de entidades y enlace, extracción de palabras clave, extracción de conocimiento, análisis sintáctico, etc.), métodos no supervisados o débilmente supervisados

blmoistawinde
⭐ 2,592 Python 👤 blmoistawinde User 🕐 Actualizado 2024-05-13 📅 Creado 2018-11-19
5
wisupai/e2m

E2M convierte varios tipos de archivo (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) a Markdown. Es fácil de instalar, con analizadores y convertidores dedicados, que admiten configuraciones personalizadas. E2M ofrece una solución todo en uno, flexible y de código abierto.

wisupai
⭐ 1,246 Jupyter Notebook 👤 wisupai Organization 🕐 Actualizado 2024-09-08 📅 Creado 2024-08-04
6
jfilter/clean-text

🧹 Paquete Python para la limpieza de texto

jfilter
⭐ 1,031 Python 👤 jfilter User 🕐 Actualizado 2026-10-26 📅 Creado 2018-12-06

Preguntas frecuentes

1

¿Cuál es el repositorio de #text-cleaning más popular en GitHub?

El proyecto de código abierto de #text-cleaning mejor posicionado en GitHub es adbar/trafilatura, con 7,157 estrellas. Herramienta de Python y línea de comandos para recopilar texto y metadatos en la Web: Rastreo, raspado, extracción, salida como CSV, JSON, HTML, MD, TXT, XML

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #text-cleaning?

Entre los proyectos de #text-cleaning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.

3

¿Cómo se calcula la clasificación de los repositorios de #text-cleaning?

Seguimos 6 repositorios activos de código abierto etiquetados con #text-cleaning (500+ estrellas), que suman un total de 20,035 estrellas, con una media de 3,339 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.