Git Stars Git Stars

#data-extraction Dépôts

131
Total des Dépôts
729,329
Nombre total d'étoiles
5,567
Moyenne d'Étoiles/Dépôt
51
hi-primus/optimus

:truck: Flux de travail de préparation de données agiles rendus faciles avec Pandas, Dask, cuDF, Dask-cuDF, Vaex et PySpark

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 Mis à jour 2024-12-02 📅 Créé 2017-07-13
52
chinoogawa/fbht

Outil de piratage Facebook

chinoogawa
⭐ 1,510 Python 👤 chinoogawa User 🕐 Mis à jour 2024-05-09 📅 Créé 2013-12-16
53
ShilongLee/Crawler

Serveur d'interface API open-source pour le scraping de plateformes telles que Douyin (a_bogus dernière version), Kuaishou, Bilibili, Xiaohongshu, Taobao, JD.com, Weibo, etc. Déploiement rapide en un clic avec Docker.

ShilongLee
⭐ 1,490 JavaScript 👤 ShilongLee User 🕐 Mis à jour 2026-10-19 📅 Créé 2024-05-24
54
HolographicHat/Yae

Outil d'exportation de données Genshin Impact plus rapide et plus précis

HolographicHat
⭐ 1,471 C# 👤 HolographicHat User 🕐 Mis à jour 2026-11-15 📅 Créé 2022-03-21
55
Miserlou/SoundScrape

Téléchargeur SoundCloud (et Bandcamp et Mixcloud) en Python.

Miserlou
⭐ 1,436 Python 👤 Miserlou User 🕐 Mis à jour 2024-06-23 📅 Créé 2013-12-29
56
wyzxxz/heapdump_tool

Outil de requête d'informations sensibles sur les heapdumps, par exemple pour rechercher des mots de passe en texte clair, AK, SK, etc. dans les heapdumps spring

wyzxxz
⭐ 1,430 👤 wyzxxz User 🕐 Mis à jour 2024-05-21 📅 Créé 2021-08-06
57
ScrapingBee/ai-web-scraper

Extrayez facilement des données grâce à notre API de scraping basée sur l'IA. Simplifiez l'extraction de données, obtenez des sorties JSON propres et adaptez-vous aux modifications de pages. Essayez-la gratuitement dès aujourd'hui !

ScrapingBee
⭐ 1,424 👤 ScrapingBee Organization 🕐 Mis à jour 2026-03-13 📅 Créé 2026-03-12
58
thinh-vu/vnstock

Une boîte à outils Python conviviale mais puissante pour l'analyse et l'automatisation financières, conçue pour rendre l'investissement moderne accessible à tous

thinh-vu
⭐ 1,422 👤 thinh-vu User 🕐 Mis à jour 2026-11-07 📅 Créé 2022-02-27
59
facundoolano/app-store-scraper

Extraire des données de l'iTunes App Store

facundoolano
⭐ 1,396 JavaScript 👤 facundoolano User 🕐 Mis à jour 2025-07-27 📅 Créé 2016-05-31
60
raznem/parsera

Bibliothèque légère pour le scraping de sites Web avec des LLM

raznem
⭐ 1,372 Python 👤 raznem User 🕐 Mis à jour 2025-12-17 📅 Créé 2024-08-12
61
philippta/flyscrape

Flyscrape est un outil de web scraping en ligne de commande conçu pour ceux qui n'ont pas de compétences avancées en programmation.

philippta
⭐ 1,347 Go 👤 philippta User 🕐 Mis à jour 2025-11-24 📅 Créé 2023-08-28
62
mvdbos/php-spider

Un spider web PHP configurable et extensible

mvdbos
⭐ 1,338 PHP 👤 mvdbos User 🕐 Mis à jour 2026-11-02 📅 Créé 2013-02-25
63
Sniper970119/dianping_spider

Crawler Dianping (peut parcourir tout le site, résout le cryptage des polices dynamiques, pas d'OCR). Mise à jour continue

Sniper970119
⭐ 1,329 Python 👤 Sniper970119 User 🕐 Mis à jour 2026-11-03 📅 Créé 2021-01-22
64
jbarrow/commonforms

CommonForms — modèles ouverts pour détecter automatiquement les champs de formulaire PDF

jbarrow
⭐ 1,309 Python 👤 jbarrow User 🕐 Mis à jour 2026-06-17 📅 Créé 2025-09-17
65
firecrawl/fire-enrich

Outil d'enrichissement de données alimenté par l'IA qui transforme les e-mails en ensembles de données riches avec des profils d'entreprise, des données de financement, des piles technologiques et plus encore en utilisant Firecrawl et une IA multi-agents

firecrawl
⭐ 1,308 TypeScript 👤 firecrawl Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2025-06-06
66
fastcrw/crw

Alternative rapide et légère à Firecrawl/Tavily en Rust. API de web scraping, crawler et recherche avec serveur MCP pour agents IA. API compatible avec Firecrawl (/scrape, /crawl, /search). 2,3x plus rapide que Tavily, 1,5x plus rapide que Firecrawl sur des benchmarks de 1K URL. 6 Mo de RAM, binaire unique. Auto-hébergement ou cloud géré.

fastcrw
⭐ 1,284 Rust 👤 fastcrw Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-03-02
67
raawaa/jav-scrapy

Le travailleur acharné pour la récupération par lots de liens magnétiques AV ou couvertures

raawaa
⭐ 1,275 JavaScript 👤 raawaa User 🕐 Mis à jour 2026-10-17 📅 Créé 2015-10-31
68
google/textfsm

Module Python pour analyser du texte semi-structuré en tableaux Python.

google
⭐ 1,258 Python 👤 google Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2015-06-23
69
KillzXGaming/Switch-Toolbox

Un outil pour modifier de nombreux formats de fichiers de jeux vidéo

KillzXGaming
⭐ 1,249 C# 👤 KillzXGaming User 🕐 Mis à jour 2026-11-15 📅 Créé 2018-11-12
71
yfedoseev/pdf_oxide

La bibliothèque PDF la plus rapide pour Python et Rust. Extraction de texte, extraction d'images, conversion en markdown, création et édition de PDF. Moyenne de 0,8 ms, 5× plus rapide que les leaders du secteur, taux de réussite de 100 % sur 3 830 PDF. MIT/Apache-2.0.

yfedoseev
⭐ 1,205 Rust 👤 yfedoseev User 🕐 Mis à jour 2026-11-21 📅 Créé 2025-11-05
72
andreroggeri/pynubank

Accédez à vos relevés Nubank via Python

andreroggeri
⭐ 1,197 Python 👤 andreroggeri User 🕐 Mis à jour 2026-11-19 📅 Créé 2017-06-19
73
dchrastil/ScrapedIn

Un outil pour scraper LinkedIn sans restrictions API pour la reconnaissance de données

dchrastil
⭐ 1,168 Python 👤 dchrastil User 🕐 Mis à jour 2024-04-11 📅 Créé 2018-03-29
74
soxoj/socid-extractor

⛏️ Le moteur d'extraction derrière Maigret : transformez n'importe quelle URL de profil en un enregistrement OSINT structuré sur plus de 150 sites

soxoj
⭐ 1,143 Python 👤 soxoj User 🕐 Mis à jour 2026-11-20 📅 Créé 2019-11-17
76
caolvchong-top/twitter_download

Twitter Images Vidéos Crawler; Téléchargement en un clic

caolvchong-top
⭐ 1,087 Python 👤 caolvchong-top User 🕐 Mis à jour 2026-07-28 📅 Créé 2022-08-23
77
utkarshkukreti/select.rs

Une bibliothèque Rust pour extraire des données utiles des documents HTML, adaptée au web scraping.

utkarshkukreti
⭐ 1,018 Rust 👤 utkarshkukreti User 🕐 Mis à jour 2025-03-19 📅 Créé 2015-07-15
78
stravalib/stravalib

Bibliothèque pour fournir une interface client simple à l'API REST de Strava (v3).

stravalib
⭐ 1,002 Python 👤 stravalib Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-03-17
79
WittmannF/sort-google-scholar

Classement des résultats de recherche Google Scholar basé sur le nombre de citations

WittmannF
⭐ 999 Python 👤 WittmannF User 🕐 Mis à jour 2026-10-30 📅 Créé 2016-04-30
80
busiyiworld/maimemo-export

Pour exporter les bases de données de vocabulaire de MoMo Vokabeltrainer et générer des bases de données de vocabulaire personnalisées adaptées pour List Vokabeltrainer, BuBei Vokabeltrainer, Oulu Dictionary, etc.

busiyiworld
⭐ 995 TypeScript 👤 busiyiworld Organization 🕐 Mis à jour 2025-10-30 📅 Créé 2021-03-29
81
YaoZeyuan/zhihuhelp

Réécriture de l'assistant Zhihu basée sur Node et TypeScript

YaoZeyuan
⭐ 985 TypeScript 👤 YaoZeyuan User 🕐 Mis à jour 2026-10-24 📅 Créé 2019-02-04
82
AutoAccountingOrg/AutoAccounting

Chacune de vos factures mérite d'être enregistrée !

AutoAccountingOrg
⭐ 984 Kotlin 👤 AutoAccountingOrg Organization 🕐 Mis à jour 2026-10-23 📅 Créé 2024-01-04
84
paperswithcode/paperswithcode-data

L'ensemble de données complet derrière paperswithcode.com

paperswithcode
⭐ 938 👤 paperswithcode Organization 🕐 Mis à jour 2025-09-08 📅 Créé 2019-01-31
85
browser-use/awesome-prompts

Tableau d'incroyables invites d'utilisation du navigateur

browser-use
⭐ 926 👤 browser-use Organization 🕐 Mis à jour 2025-03-26 📅 Créé 2025-03-26
86
eclaire-labs/eclaire

Assistant IA local et open-source pour vos données. Unifiez tâches, notes, documents, photos et favoris. Privé, auto-hébergé et extensible via des API.

eclaire-labs
⭐ 925 TypeScript 👤 eclaire-labs Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2025-09-02
87
goose3/goose3

Une version compatible avec Python 3 de goose http://goose3.readthedocs.io/en/latest/index.html

goose3
⭐ 916 HTML 👤 goose3 Organization 🕐 Mis à jour 2026-07-23 📅 Créé 2016-12-11
88
Rishikant181/Rettiwt-API

Un outil en ligne de commande et une API pour récupérer des données de Twitter gratuitement !

Rishikant181
⭐ 904 TypeScript 👤 Rishikant181 User 🕐 Mis à jour 2026-11-10 📅 Créé 2022-01-24
⭐ 900 👤 golangboy User 🕐 Mis à jour 2025-03-25 📅 Créé 2025-03-24
90
Mingtzge/2019-CCF-BDCI-OCR-MCZJ-OCR-IdentificationIDElement

Concours 2019CCF-BDCI Lauréat du Prix de la Meilleure Exploration Innovante Champion du sujet d'extraction d'éléments de carte d'identité basée sur OCR Équipe Tianchen Poxiao Code source du sujet

Mingtzge
⭐ 899 Python 👤 Mingtzge User 🕐 Mis à jour 2024-07-25 📅 Créé 2019-12-30
91
microsoft/typeagent-py

RAG Structuré : ingestion, indexation, requête

microsoft
⭐ 898 Python 👤 microsoft Organization 🕐 Mis à jour 2026-11-14 📅 Créé 2025-09-09
93
coddingtonbear/python-myfitnesspal

Accédez programmatiquement à vos données de suivi des repas stockées dans MyFitnessPal

coddingtonbear
⭐ 875 Python 👤 coddingtonbear User 🕐 Mis à jour 2025-09-28 📅 Créé 2013-07-16
94
frictionlessdata/frictionless-py

Framework de gestion de données pour Python qui fournit des fonctionnalités pour décrire, extraire, valider et transformer des données tabulaires

frictionlessdata
⭐ 859 Python 👤 frictionlessdata Organization 🕐 Mis à jour 2026-10-15 📅 Créé 2014-12-23
95
longxiaofei/spider-BaiduIndex

SDK de données pour Baidu Index

longxiaofei
⭐ 800 Python 👤 longxiaofei User 🕐 Mis à jour 2025-11-24 📅 Créé 2018-09-27
96
linkedin/URL-Detector

Une bibliothèque Java pour détecter et normaliser les URL dans le texte

linkedin
⭐ 786 Java 👤 linkedin Organization 🕐 Mis à jour 2025-07-12 📅 Créé 2015-02-06
97
LYiHub/platform-war-public

Un framework chatbot/GraphRAG qui crée des agents multi-LLM à partir des commentaires d'utilisateurs de plateformes sociales et leur permet de débattre sur des sujets spécifiques.

LYiHub
⭐ 783 Python 👤 LYiHub Organization 🕐 Mis à jour 2024-12-14 📅 Créé 2024-12-14
98
Higurashi-kagome/wereader

Une extension de navigateur : principalement utilisée pour prendre des notes dans WeChat Read, elle est très utile pour les lecteurs qui utilisent fréquemment Markdown pour prendre des notes.

Higurashi-kagome
⭐ 775 TypeScript 👤 Higurashi-kagome User 🕐 Mis à jour 2025-08-31 📅 Créé 2020-06-04
99
mattsse/voyager

crawl & scraper des pages Web en rust

mattsse
⭐ 767 Rust 👤 mattsse User 🕐 Mis à jour 2024-12-14 📅 Créé 2020-12-22
100
python-mechanize/mechanize

Le code source officiel du projet python-mechanize

python-mechanize
⭐ 760 Python 👤 python-mechanize Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2017-03-08