Git Stars Git Stars

#text-cleaning Dépôts

Découvrez 6 dépôts GitHub open source actifs associés à #text-cleaning, cumulant 20,035 étoiles au total (soit une moyenne de 3,339 étoiles par projet). Le projet en tête de ce thème est adbar/trafilatura, avec 7,157 étoiles.

6
Total des Dépôts
20,035
Nombre total d'étoiles
3,339
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook
1
adbar/trafilatura

Outil Python et en ligne de commande pour collecter du texte et des métadonnées sur le Web : Crawling, scraping, extraction, sortie au format CSV, JSON, HTML, MD, TXT, XML

adbar
⭐ 7,157 Python 👤 adbar User 🕐 Mis à jour 2026-11-20 📅 Créé 2019-04-08
2
WikiExtractor/wikiextractor

Un outil pour extraire du texte brut des dumps Wikipedia

WikiExtractor
⭐ 4,007 Python 👤 WikiExtractor Organization 🕐 Mis à jour 2026-10-19 📅 Créé 2015-03-22
3
rspeer/python-ftfy

Corrige le mojibake et autres glitches dans le texte Unicode, a posteriori.

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 Mis à jour 2024-10-30 📅 Créé 2012-08-24
4
blmoistawinde/HarvestText

Outils de fouille de textes et de prétraitement (nettoyage de texte, découverte de nouveaux mots, analyse de sentiments, reconnaissance et liaison d'entités, extraction de mots-clés, extraction de connaissances, analyse syntaxique, etc.), méthodes non supervisées ou faiblement supervisées

blmoistawinde
⭐ 2,592 Python 👤 blmoistawinde User 🕐 Mis à jour 2024-05-13 📅 Créé 2018-11-19
5
wisupai/e2m

E2M convertit divers types de fichiers (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) en Markdown. Il est facile à installer, avec des analyseurs et des convertisseurs dédiés, prenant en charge des configurations personnalisées. E2M offre une solution tout-en-un, flexible et open-source.

wisupai
⭐ 1,246 Jupyter Notebook 👤 wisupai Organization 🕐 Mis à jour 2024-09-08 📅 Créé 2024-08-04
6
jfilter/clean-text

🧹 Paquet Python pour le nettoyage de texte

jfilter
⭐ 1,031 Python 👤 jfilter User 🕐 Mis à jour 2026-10-26 📅 Créé 2018-12-06

Foire aux questions

1

Quel est le dépôt #text-cleaning le plus populaire sur GitHub ?

Le projet #text-cleaning open source le mieux classé sur GitHub est adbar/trafilatura, avec 7,157 étoiles. Outil Python et en ligne de commande pour collecter du texte et des métadonnées sur le Web : Crawling, scraping, extraction, sortie au format CSV, JSON, HTML, MD, TXT, XML

2

Quels langages de programmation sont les plus utilisés dans les dépôts #text-cleaning ?

Parmi les projets #text-cleaning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.

3

Comment le classement des dépôts #text-cleaning est-il calculé ?

Nous suivons 6 dépôts open source actifs associés à #text-cleaning (500+ étoiles), totalisant 20,035 étoiles, avec une moyenne de 3,339 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.