Git Stars Git Stars

#data-extraction Dépôts

Découvrez 131 dépôts GitHub open source actifs associés à #data-extraction, cumulant 729,329 étoiles au total (soit une moyenne de 5,567 étoiles par projet). Le projet en tête de ce thème est firecrawl/firecrawl, avec 205,758 étoiles.

131
Total des Dépôts
729,329
Nombre total d'étoiles
5,567
Moyenne d'Étoiles/Dépôt
1
firecrawl/firecrawl

Une infrastructure de connaissances pour rendre vos agents plus intelligents. Recherchez, récupérez et accédez aux données de plus de 550 fournisseurs via une seule API.

firecrawl
⭐ 205,758 TypeScript 👤 firecrawl Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-04-15
2
D4Vinci/Scrapling

🕷️ Le MEILLEUR framework de scraping web, capable de tout gérer, d’une simple requête à une exploration à grande échelle ! N’hésitez pas, rejoignez-nous ici : https://discord.gg/EMgGbDceNQ et suivez-nous ici pour découvrir chaque jour des conseils et astuces : https://x.com/Scrapling_dev

D4Vinci
⭐ 104,760 Python 👤 D4Vinci User 🕐 Mis à jour 2026-11-17 📅 Créé 2024-10-13
3
unclecode/crawl4ai

Crawl4AI Cloud officiel : une API hébergée de scraping web, d’extraction et de recherche pour les agents d’IA. Clé API gratuite, 1 000 crédits par mois, sans carte bancaire. Entièrement open source : ce dépôt contient le robot d’exploration sous licence Apache-2.0 qui l’alimente, et vous pouvez l’héberger vous-même.

unclecode
⭐ 87,627 Python 👤 unclecode User 🕐 Mis à jour 2026-11-20 📅 Créé 2024-05-09
4
ScrapeGraphAI/Scrapegraph-ai

Scraper Python basé sur l'IA

ScrapeGraphAI
⭐ 32,877 Python 👤 ScrapeGraphAI Organization 🕐 Mis à jour 2026-10-06 📅 Créé 2024-01-27
5
browserbase/stagehand

Le SDK pour extraire des données et interagir avec n’importe quel site web. Commencez avec Claude Code, Codex, Eve, Mastra et bien plus encore.

browserbase
⭐ 26,109 TypeScript 👤 browserbase Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-03-24
6
getmaxun/maxun

Transformez n’importe quel site web en une API structurée. Extrayez, automatisez, recherchez et surveillez le web.

getmaxun
⭐ 18,538 TypeScript 👤 getmaxun Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-10-23
7
ReFirmLabs/binwalk

Outil d'analyse du micrologiciel

ReFirmLabs
⭐ 14,731 Rust 👤 ReFirmLabs Organization 🕐 Mis à jour 2026-08-11 📅 Créé 2013-11-15
8
phiresky/ripgrep-all

rga : ripgrep, mais aussi recherche dans les PDF, livres électroniques, documents Office, zip, tar.gz, etc.

phiresky
⭐ 9,937 Rust 👤 phiresky User 🕐 Mis à jour 2026-09-17 📅 Créé 2019-06-04
9
scrapinghub/portia

Scraping visuel pour Scrapy

scrapinghub
⭐ 9,479 Python 👤 scrapinghub Organization 🕐 Mis à jour 2024-06-26 📅 Créé 2014-03-21
10
cv-cat/Spider_XHS

Collecte de données par crawler Xiaohongshu (RED), rétro-ingénierie de Xiaohongshu, messages privés, diffusion en direct et solutions d'exploitation globale sur Xiaohongshu

cv-cat
⭐ 8,542 Python 👤 cv-cat User 🕐 Mis à jour 2026-10-22 📅 Créé 2023-08-08
11
ericchiang/pup

Analyse HTML en ligne de commande

ericchiang
⭐ 8,372 HTML 👤 ericchiang User 🕐 Mis à jour 2024-05-02 📅 Créé 2014-09-01
12
mgdm/htmlq

Comme jq, mais pour HTML.

mgdm
⭐ 7,591 Rust 👤 mgdm User 🕐 Mis à jour 2026-05-27 📅 Créé 2019-05-07
13
browser-act/skills

CLI d'automatisation de navigateur conçue pour les agents IA. Brisez les murs anti-bot, passez aux humains sur plusieurs plateformes en cas de blocage. Exécution parallèle de plusieurs tâches, fonctionnement indépendant de plusieurs sessions, navigation isolée de plusieurs comptes.

browser-act
⭐ 6,385 Python 👤 browser-act Organization 🕐 Mis à jour 2026-11-04 📅 Créé 2026-02-06
14
nickscamara/open-deep-research

Un clone de recherche approfondie open source. Agent IA qui raisonne sur de grandes quantités de données Web extraites avec Firecrawl.

nickscamara
⭐ 6,242 TypeScript 👤 nickscamara User 🕐 Mis à jour 2025-05-07 📅 Créé 2025-02-03
15
MontFerret/ferret

Langage d'automatisation de données déclaratif et runtime Go pour les workflows d'extraction structurée.

MontFerret
⭐ 6,025 Go 👤 MontFerret Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2018-08-23
16
matthewmueller/x-ray

Le prochain web scraper. Percez le bruit <html>.

matthewmueller
⭐ 5,899 JavaScript 👤 matthewmueller User 🕐 Mis à jour 2026-08-31 📅 Créé 2015-02-05
17
vi3k6i5/flashtext

Extraire des mots-clés d'une phrase ou remplacer des mots-clés dans des phrases.

vi3k6i5
⭐ 5,714 Python 👤 vi3k6i5 User 🕐 Mis à jour 2025-04-13 📅 Créé 2017-08-15
18
Hammer1/cozeworkflows

Collection de plus de 200 flux de travail Coze, mise à jour en permanence

Hammer1
⭐ 5,446 👤 Hammer1 User 🕐 Mis à jour 2025-07-27 📅 Créé 2025-07-27
19
ultrafunkamsterdam/nodriver

Successeur d'Undetected-Chromedriver. Fournit un framework ultra-rapide pour l'automatisation web, le web scraping, les bots et toute autre idée créative normalement entravée par des systèmes anti-bots gênants comme Captcha / CloudFlare / Imperva / hCaptcha.

ultrafunkamsterdam
⭐ 4,950 Python 👤 ultrafunkamsterdam User 🕐 Mis à jour 2026-10-26 📅 Créé 2024-02-20
20
REMitchell/python-scraping

Exemples de code du livre Web Scraping with Python http://shop.oreilly.com/product/0636920034391.do

REMitchell
⭐ 4,669 Jupyter Notebook 👤 REMitchell User 🕐 Mis à jour 2024-06-01 📅 Créé 2015-06-14
21
AhmadHassan-BTed/Noria

Un extracteur agentique pour les plateformes de messagerie. Noria reçoit des messages et des URL par chat, collecte des données sur le Web afin d’évaluer le contenu selon des grilles de notation personnalisées (par exemple, pour des offres d’emploi ou des bourses), puis envoie directement au numéro de messagerie attribué un résumé structuré assorti d’un score de correspondance calculé.

AhmadHassan-BTed
⭐ 4,624 JavaScript 👤 AhmadHassan-BTed User 🕐 Mis à jour 2026-11-10 📅 Créé 2026-05-31
22
meta/duckling

Langage, moteur et outils pour exprimer, tester et évaluer des règles de langage composables sur des chaînes d'entrée.

meta
⭐ 4,328 Haskell 👤 meta Organization 🕐 Mis à jour 2026-03-15 📅 Créé 2017-03-02
23
tomnomnom/waybackurls

Récupérer toutes les URL que la Wayback Machine connaît pour un domaine

tomnomnom
⭐ 4,255 Go 👤 tomnomnom User 🕐 Mis à jour 2024-05-01 📅 Créé 2018-01-24
24
scrapinghub/splash

Navigateur léger et scriptable en tant que service avec une API HTTP

scrapinghub
⭐ 4,197 Python 👤 scrapinghub Organization 🕐 Mis à jour 2024-08-02 📅 Créé 2013-05-20
25
CrawlScript/WebCollector

WebCollector est un framework de crawler web open source basé sur Java. Il fournit des interfaces simples pour explorer le Web, vous pouvez configurer un crawler web multi-thread en moins de 5 minutes.

CrawlScript
⭐ 3,073 Java 👤 CrawlScript Organization 🕐 Mis à jour 2026-02-10 📅 Créé 2014-07-12
26
goldsmith/Wikipedia

Un wrapper Pythonic pour l'API Wikipedia

goldsmith
⭐ 3,014 Python 👤 goldsmith User 🕐 Mis à jour 2026-10-25 📅 Créé 2013-08-20
27
brightdata/brightdata-mcp

Un serveur puissant Model Context Protocol (MCP) qui fournit une solution tout-en-un pour l'accès au Web public.

brightdata
⭐ 2,733 JavaScript 👤 brightdata Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2025-04-15
28
smalot/pdfparser

PdfParser, une bibliothèque PHP autonome, fournit divers outils pour extraire des données d'un fichier PDF.

smalot
⭐ 2,732 PHP 👤 smalot User 🕐 Mis à jour 2026-10-13 📅 Créé 2013-08-30
29
Predidit/KazumiRules

Le dépôt d'hébergement des règles de Kazumi, les contributions sont les bienvenues ^•ﻌ•^

Predidit
⭐ 2,653 Dart 👤 Predidit User 🕐 Mis à jour 2026-11-13 📅 Créé 2024-05-22
30
Bistutu/GoMusic

Migrer les listes de lecture Netease Cloud/Qishui/QQ Music vers Apple/Youtube/Spotify Music

Bistutu
⭐ 2,552 Go 👤 Bistutu User 🕐 Mis à jour 2026-11-21 📅 Créé 2023-10-07
31
tavily-ai/tavily-mcp

Serveur MCP prêt pour la production avec recherche en temps réel, extraction, cartographie et crawl.

tavily-ai
⭐ 2,499 TypeScript 👤 tavily-ai Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2025-01-27
32
jmespath/jmespath.py

JMESPath est un langage de requête pour JSON.

jmespath
⭐ 2,458 Python 👤 jmespath Organization 🕐 Mis à jour 2026-04-20 📅 Créé 2013-02-19
33
saifyxpro/HeadlessX

La plateforme d'automatisation de navigateur auto-hébergée indétectable. Alimentée par Camoufox (Firefox) pour un taux de détection de 0 %. Conçue pour la rapidité, la confidentialité et l'évolutivité.

saifyxpro
⭐ 2,365 TypeScript 👤 saifyxpro User 🕐 Mis à jour 2026-11-12 📅 Créé 2025-09-12
34
dataabc/weibo-search

Obtenir des informations sur les résultats de recherche Weibo, la recherche pouvant être une recherche par mot-clé Weibo ou une recherche par sujet Weibo

dataabc
⭐ 2,340 Python 👤 dataabc User 🕐 Mis à jour 2026-06-05 📅 Créé 2020-03-25
35
decaywood/XueQiuSuperSpider

Super Crawleur d'Informations Boursières Xueqiu

decaywood
⭐ 2,326 Java 👤 decaywood User 🕐 Mis à jour 2024-03-27 📅 Créé 2015-11-24
36
opendatalab/DocLayout-YOLO

DocLayout-YOLO : Amélioration de l'analyse de la mise en page des documents grâce à des données synthétiques diverses et à une perception adaptative du global au local

opendatalab
⭐ 2,315 Python 👤 opendatalab Organization 🕐 Mis à jour 2026-10-21 📅 Créé 2024-10-14
39
hhursev/recipe-scrapers

Package Python pour le scraping de données de recettes

hhursev
⭐ 2,263 Python 👤 hhursev User 🕐 Mis à jour 2026-11-15 📅 Créé 2015-09-14
40
shcherbak-ai/contextgem

Extrayez des données structurées et des insights de documents à l’aide de grands modèles de langage et de modèles de décision

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-10-11
41
xaitax/TotalRecall

Cet outil extrait et affiche les données de la fonctionnalité Rappel dans Windows 11, offrant un moyen facile d'accéder aux informations sur les instantanés d'activité de votre PC.

xaitax
⭐ 2,037 Python 👤 xaitax User 🕐 Mis à jour 2024-06-08 📅 Créé 2024-06-03
42
jmespath/jmespath.php

Spécifiez de manière déclarative comment extraire des éléments d'un document JSON, en PHP

jmespath
⭐ 2,013 PHP 👤 jmespath Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2013-07-06
43
KEV0143/Parser-Chitai-Gorod

Analyseur intelligent pour le catalogue « Chitai-Gorod ». Collecte et structuration de données à haute vitesse basée sur tous les paramètres spécifiés : de l’ISBN à la dynamique des remises.

KEV0143
⭐ 1,979 Python 👤 KEV0143 User 🕐 Mis à jour 2026-09-17 📅 Créé 2025-05-18
45
extractus/article-extractor

Extraire l'article de l'URL donnée

extractus
⭐ 1,920 TypeScript 👤 extractus Organization 🕐 Mis à jour 2026-08-20 📅 Créé 2015-11-29
46
Kengxxiao/ArknightsGameData

Données de jeu Arknights

Kengxxiao
⭐ 1,907 Lua 👤 Kengxxiao User 🕐 Mis à jour 2026-11-16 📅 Créé 2019-12-31
47
shuchkin/simplexlsx

Analyser et récupérer les données des fichiers Excel XLSx

shuchkin
⭐ 1,829 PHP 👤 shuchkin User 🕐 Mis à jour 2026-10-20 📅 Créé 2016-05-25
48
DQinYuan/chinese_province_city_area_mapper

Un module Python pour extraire les provinces, villes et districts des chaînes de caractères en chinois simplifié et effectuer des mappings, des validations et des tracés simples

DQinYuan
⭐ 1,770 Python 👤 DQinYuan User 🕐 Mis à jour 2024-03-19 📅 Créé 2018-03-04
49
biuuu/star-rail-warp-export

Exportateur d'historique de Warp de Honkai: Star Rail

biuuu
⭐ 1,640 JavaScript 👤 biuuu User 🕐 Mis à jour 2026-11-11 📅 Créé 2023-05-01
50
JonathanLink/PDFLayoutTextStripper

Convertit un fichier PDF en fichier texte tout en conservant la mise en page du PDF d’origine. Cette fonction est notamment utile pour extraire le contenu d’un tableau d’un fichier PDF. Il s’agit d’une sous-classe de la classe PDFTextStripper de la bibliothèque Apache PDFBox.

JonathanLink
⭐ 1,612 Java 👤 JonathanLink User 🕐 Mis à jour 2026-11-18 📅 Créé 2015-10-11

Foire aux questions

1

Quel est le dépôt #data-extraction le plus populaire sur GitHub ?

Le projet #data-extraction open source le mieux classé sur GitHub est firecrawl/firecrawl, avec 205,758 étoiles. Une infrastructure de connaissances pour rendre vos agents plus intelligents. Recherchez, récupérez et accédez aux données de plus de 550 fournisseurs via une seule API.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #data-extraction ?

Parmi les projets #data-extraction les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, JavaScript, Rust.

3

Comment le classement des dépôts #data-extraction est-il calculé ?

Nous suivons 131 dépôts open source actifs associés à #data-extraction (500+ étoiles), totalisant 729,329 étoiles, avec une moyenne de 5,567 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.