#pdf-parser Dépôts
Découvrez 21 dépôts GitHub open source actifs associés à #pdf-parser, cumulant 321,543 étoiles au total (soit une moyenne de 15,311 étoiles par projet). Le projet en tête de ce thème est PaddlePaddle/PaddleOCR, avec 92,972 étoiles.
21 dépôts au total
Transformez n'importe quel document PDF ou image en données structurées pour votre IA. Un kit d'outils OCR puissant et léger qui comble l'écart entre les images/PDF et les LLM. Prend en charge plus de 100 langues.
Transforme des documents complexes comme les PDF et les documents Office en markdown/JSON prêt pour LLM pour vos flux de travail Agentic.
Analyseur PDF pour données prêtes pour l'IA. Automatisez l'accessibilité PDF. Open-source.
Bibliothèque rapide en Rust pour l'inspection, la classification et l'extraction de texte des PDF. Détecte intelligemment les PDF scannés par rapport aux PDF basés sur du texte pour permettre des décisions de routage intelligentes.
Une bibliothèque PDF en Python pur capable de diviser, fusionner, recadrer et transformer les pages des fichiers PDF
Le dépôt officiel pour « Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting », ACL, 2025.
PDF craft peut convertir des fichiers PDF dans divers autres formats. Ce projet se concentrera sur le traitement des fichiers PDF de livres numérisés.
yft-design est un outil de conception en ligne puissant et visuellement époustouflant, construit avec Vue3, fabric.js et Element Plus. La version open-source "Gao Ding Design" basée sur fabric.js. Un outil de conception en ligne esthétique et puissant doté de fonctionnalités de conception d'affiches et d'édition d'images. Convient à une variété de scénarios, tels que la génération d'affiches, la création d'images de produits e-commerce, la conception d'images longues d'articles, la modification de couvertures vidéo/de comptes publics, etc.
Extraction de données non structurées, rapide et efficace. Écrit en Rust avec des liaisons pour de nombreuses langues.
Extrayez et convertissez des données à partir de n'importe quel document, image, PDF, document Word, PPT ou URL dans plusieurs formats (Markdown, JSON, CSV, HTML) avec une extraction intelligente de données structurées et une reconnaissance optique de caractères avancée.
Serveur backend facilement déployable et évolutif qui convertit efficacement divers formats de documents (pdf, docx, pptx, html, images, etc.) en Markdown. Avec la prise en charge du traitement CPU et GPU, il est idéal pour les flux de travail à grande échelle, offrant une extraction de texte/tableaux, la reconnaissance optique de caractères (OCR) et le traitement par lots avec des points de terminaison synchronisés/asynchronisés.
Transformez n'importe quel PDF de livre technique en une compétence Claude Code, prête à être étudiée, consultée et utilisée pendant que vous travaillez.
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.
API facilement déployable 🚀 pour convertir rapidement le PDF en markdown avec une grande précision.
Un ensemble de crates Rust pour analyser, interpréter et afficher des fichiers PDF.
Dedoc est une bibliothèque (service) pour l'analyse automatisée des documents et leur unification dans un format uniforme. Il extrait automatiquement le contenu, la structure logique, les tableaux et les métadonnées des documents électroniques textuels. (Analyse de documents ; Extraction de contenu de document ; Extraction de structure logique ; Analyseur PDF ; Analyseur de documents numérisés ; Analyseur DOCX ; Analyseur HTML)
[ECCV 2026] Un framework basé sur la diffusion pour l'OCR de documents qui remplace le décodage autorégressif par un décodage de diffusion parallèle au niveau des blocs.
Foire aux questions
Quel est le dépôt #pdf-parser le plus populaire sur GitHub ?
Le projet #pdf-parser open source le mieux classé sur GitHub est PaddlePaddle/PaddleOCR, avec 92,972 étoiles. Transformez n'importe quel document PDF ou image en données structurées pour votre IA. Un kit d'outils OCR puissant et léger qui comble l'écart entre les images/PDF et les LLM. Prend en charge plus de 100 langues.
Quels langages de programmation sont les plus utilisés dans les dépôts #pdf-parser ?
Parmi les projets #pdf-parser les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Rust, TypeScript, Java.
Comment le classement des dépôts #pdf-parser est-il calculé ?
Nous suivons 21 dépôts open source actifs associés à #pdf-parser (500+ étoiles), totalisant 321,543 étoiles, avec une moyenne de 15,311 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.