Git Stars Git Stars

#data-extraction Dépôts

131
Total des Dépôts
729,329
Nombre total d'étoiles
5,567
Moyenne d'Étoiles/Dépôt
101
developersdigest/llm-api-engine

Créez et déployez des API alimentées par l'IA en quelques secondes

developersdigest
⭐ 755 TypeScript 👤 developersdigest User 🕐 Mis à jour 2025-02-03 📅 Créé 2025-01-24
102
polyrabbit/hacker-news-digest

📰 Laissez un LLM résumer Hacker News pour vous

polyrabbit
⭐ 754 Python 👤 polyrabbit User 🕐 Mis à jour 2026-11-21 📅 Créé 2014-09-17
103
ScrapeGraphAI/scrapecraft

Éditeur de web scraping optimisé par l'IA avec constructeur de flux de travail visuel. Créez, testez et déployez des scrapers Web en utilisant le langage naturel. Propulsé par ScrapeGraphAI et LangGraph.

ScrapeGraphAI
⭐ 731 Python 👤 ScrapeGraphAI Organization 🕐 Mis à jour 2025-12-26 📅 Créé 2025-07-01
104
kovidgoyal/html5-parser

Analyse rapide de HTML 5 basée sur C pour Python

kovidgoyal
⭐ 710 C 👤 kovidgoyal User 🕐 Mis à jour 2026-09-20 📅 Créé 2017-06-03
105
adrienjoly/npm-pdfreader

🚜 Analyser le texte et les tableaux des fichiers PDF.

adrienjoly
⭐ 703 HTML 👤 adrienjoly User 🕐 Mis à jour 2026-01-21 📅 Créé 2015-03-05
106
ndl-lab/ndlocr_cli

Le dépôt de l'application NDLOCR (y compris le code source)

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 Mis à jour 2026-01-05 📅 Créé 2022-03-30
107
allenai/science-parse

Science Parse analyse les articles scientifiques (sous forme PDF) et les retourne sous une forme structurée.

allenai
⭐ 686 Java 👤 allenai Organization 🕐 Mis à jour 2024-05-26 📅 Créé 2015-08-19
108
ladislav-zezula/StormLib

Dépôt GitHub officiel de la bibliothèque StormLib créée par Ladislav Zezula (auteur)

ladislav-zezula
⭐ 668 C 👤 ladislav-zezula User 🕐 Mis à jour 2026-11-18 📅 Créé 2013-01-11
109
adamschwartz/web.scraper.workers.dev

Extraire du texte des sites web par sélecteur CSS.

adamschwartz
⭐ 658 JavaScript 👤 adamschwartz User 🕐 Mis à jour 2024-02-14 📅 Créé 2019-10-10
110
yanzhou/CnkiSpider

Crawler de la China National Knowledge Infrastructure

yanzhou
⭐ 653 Python 👤 yanzhou User 🕐 Mis à jour 2025-03-08 📅 Créé 2014-11-05
112
dzhng/zod-gpt

Obtenez des sorties JSON structurées, entièrement typées et validées à partir des modèles OpenAI et Anthropic.

dzhng
⭐ 629 TypeScript 👤 dzhng User 🕐 Mis à jour 2024-04-26 📅 Créé 2023-06-26
113
mac4n6/APOLLO

Modèle de Vie Apple Sortie Paresseuse

mac4n6
⭐ 627 Python 👤 mac4n6 User 🕐 Mis à jour 2024-02-25 📅 Créé 2018-11-04
114
jrmuizel/pdf-extract

Une bibliothèque Rust pour extraire le contenu des PDF

jrmuizel
⭐ 604 Rust 👤 jrmuizel User 🕐 Mis à jour 2026-09-16 📅 Créé 2017-02-01
115
ScrapingBee/google-reviews-scraper

Intégration de l'API Google Reviews et un Scraper Google Reviews évolutif pour extraire les évaluations, le texte des avis et les informations commerciales de Google Maps à l'aide d'une API Google Reviews structurée.

ScrapingBee
⭐ 601 👤 ScrapingBee Organization 🕐 Mis à jour 2026-02-20 📅 Créé 2026-02-19
116
Kakulukian/youtube-transcript

Récupérer la transcription d'une vidéo YouTube

Kakulukian
⭐ 590 TypeScript 👤 Kakulukian User 🕐 Mis à jour 2026-04-25 📅 Créé 2020-09-26
117
samacs/simple_html_dom

Juste un fork de la bibliothèque Simple HTML DOM. (http://simplehtmldom.sourceforge.net/)

samacs
⭐ 587 HTML 👤 samacs User 🕐 Mis à jour 2024-05-15 📅 Créé 2012-09-23
118
tbvdm/sigtop

Exporter les messages depuis Signal Desktop

tbvdm
⭐ 585 Go 👤 tbvdm User 🕐 Mis à jour 2026-09-14 📅 Créé 2021-03-10
119
Ormicron/chatViewTool

Visionneuse graphique de décryptage de l'historique des discussions WeChat implémentée en Java

Ormicron
⭐ 584 👤 Ormicron User 🕐 Mis à jour 2024-05-20 📅 Créé 2022-06-16
121
mrshu/github-statuses

La « page d'état GitHub manquante » -- une tentative via Flat Data de documenter historiquement les états de GitHub

mrshu
⭐ 578 JavaScript 👤 mrshu User 🕐 Mis à jour 2026-11-21 📅 Créé 2022-06-11
122
itstyren/CNKI-download

:frog: Téléchargement de littérature CNKI et crawler d'aperçu de littérature (Web Scraper pour l'Extraction de Données)

itstyren
⭐ 578 Python 👤 itstyren User 🕐 Mis à jour 2024-11-18 📅 Créé 2018-12-13
123
vakra-dev/reader

Infrastructure web open source pour l'IA. Scrapez, explorez et automatisez le web, nettoyez le markdown, les sessions de navigateur, prêt pour vos agents.

vakra-dev
⭐ 577 TypeScript 👤 vakra-dev Organization 🕐 Mis à jour 2026-10-06 📅 Créé 2026-01-07
124
jpjacobpadilla/Stealth-Requests

Web-scraping indétectable et analyse HTML fluide en Python !

jpjacobpadilla
⭐ 570 Python 👤 jpjacobpadilla User 🕐 Mis à jour 2026-09-19 📅 Créé 2024-08-04
125
bawadou/ai-data-extractor

Extracteur gratuit et open source pour les historiques de conversations des assistants de programmation utilisant l’IA. Compatible avec Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code et plus encore.

bawadou
⭐ 555 Python 👤 bawadou User 🕐 Mis à jour 2026-09-07 📅 Créé 2026-08-16
126
conjuncts/gmft

Extraction de table profonde, légère et performante

conjuncts
⭐ 544 Python 👤 conjuncts User 🕐 Mis à jour 2026-07-24 📅 Créé 2024-06-08
127
poloclub/unitable

Atelier NeurIPS'24 - UniTable : Vers un modèle de base unifié pour les tableaux

poloclub
⭐ 537 Jupyter Notebook 👤 poloclub Organization 🕐 Mis à jour 2026-04-21 📅 Créé 2024-01-09
128
xd20111/inshackle

Astuces Instagram : Suivre les unfollowers, Augmenter vos abonnés, Télécharger les Stories, etc.

xd20111
⭐ 535 Shell 👤 xd20111 User 🕐 Mis à jour 2024-03-12 📅 Créé 2019-03-03
129
jatechan/ai-data-extractor

Extracteur gratuit et open source d’historiques de conversation des assistants de programmation IA. Compatible avec Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code et bien d’autres

jatechan
⭐ 526 Python 👤 jatechan User 🕐 Mis à jour 2026-10-20 📅 Créé 2026-10-11
130
oxylabs/web-scraper-api

API de scraping web tout-en-un pour l’extraction de données en temps réel à grande échelle : proxys, gestion des CAPTCHA, rendu JavaScript et analyse en une seule requête, avec des résultats au format HTML ou JSON structuré.

oxylabs
⭐ 503 👤 oxylabs Organization 🕐 Mis à jour 2026-10-01 📅 Créé 2026-06-05