#data-extraction Repository
Scopri 131 repository GitHub open source attivi contrassegnati con #data-extraction, che raccolgono un totale di 729,329 stelle (con una media di 5,567 stelle per progetto). Il progetto leader di questo argomento è firecrawl/firecrawl, con 205,758 stelle.
131 repository in totale
Infrastruttura di conoscenza per rendere più intelligenti i tuoi agenti. Cerca, estrai e accedi a oltre 550 fornitori di dati tramite un’unica API.
🕷️ Il MIGLIOR framework per il web scraping, in grado di gestire tutto, da una singola richiesta a una scansione su larga scala! Non essere timido: unisciti qui https://discord.gg/EMgGbDceNQ e seguici qui per consigli e trucchi quotidiani: https://x.com/Scrapling_dev
Crawl4AI Cloud ufficiale: un’API ospitata per scraping web, estrazione e ricerca destinata agli agenti IA. Chiave API gratuita, 1.000 crediti al mese, senza carta di credito. Completamente open source: questo repository contiene il crawler Apache-2.0 che lo alimenta e può essere ospitato autonomamente.
L’SDK per estrarre dati e interagire con qualsiasi sito sul web. Inizia con Claude Code, Codex, Eve, Mastra e molto altro.
Trasforma qualsiasi sito web in un’API strutturata. Estrai, automatizza, cerca e monitora il web.
rga: ripgrep, ma anche ricerca in PDF, e-book, documenti Office, zip, tar.gz, ecc.
Raccolta dati tramite crawler Xiaohongshu (RED), reverse engineering di Xiaohongshu, messaggi privati, streaming live e soluzioni di gestione integrale su Xiaohongshu
CLI di automazione del browser costruita per agenti AI. Supera le barriere anti-bot, passa agli umani su più piattaforme quando sei bloccato. Esecuzione parallela di più attività, operazione indipendente di più sessioni, navigazione isolata di più account.
Un clone di ricerca approfondita open source. Agente AI che ragiona su grandi quantità di dati web estratti con Firecrawl.
Linguaggio di automazione dei dati dichiarativo e runtime Go per flussi di lavoro di estrazione strutturata.
Successore di Undetected-Chromedriver. Fornisce un framework velocissimo per l'automazione del web, il web scraping, i bot e qualsiasi altra idea creativa che normalmente è ostacolata da fastidiosi sistemi anti-bot come Captcha / CloudFlare / Imperva / hCaptcha.
Esempi di codice dal libro Web Scraping with Python http://shop.oreilly.com/product/0636920034391.do
Un estrattore agentico per piattaforme di messaggistica. Noria riceve messaggi e URL via chat, raccoglie dati dal web per valutare i contenuti in base a matrici di punteggio personalizzate (ad es. offerte di lavoro e borse di studio) e invia direttamente al numero di messaggistica assegnato un riepilogo strutturato con un punteggio di corrispondenza calcolato.
Linguaggio, motore e strumenti per esprimere, testare e valutare regole di linguaggio componibili su stringhe di input.
WebCollector è un framework open source per web crawler basato su Java. Fornisce alcune semplici interfacce per il crawling del Web, puoi configurare un web crawler multi-threaded in meno di 5 minuti.
Un potente server Model Context Protocol (MCP) che fornisce una soluzione all-in-one per l'accesso al web pubblico.
PdfParser, una libreria PHP autonoma, fornisce vari strumenti per estrarre dati da un file PDF.
Il repository di hosting delle regole di Kazumi, i contributi sono i benvenuti ^•ﻌ•^
Server MCP pronto per la produzione con ricerca in tempo reale, estrazione, mappatura e crawling.
Piattaforma di automazione del browser self-hosted e indetectabile. Alimentata da Camoufox (Firefox) con tasso di rilevamento zero. Progettata per velocità, privacy e scalabilità.
Ottieni informazioni sui risultati della ricerca di Weibo, la ricerca può essere una ricerca per parola chiave di Weibo o una ricerca per argomento di Weibo
DocLayout-YOLO: Miglioramento dell'analisi del layout dei documenti attraverso dati sintetici diversi e percezione adattiva globale-locale
Estrai dati strutturati e approfondimenti dai documenti utilizzando modelli linguistici di grandi dimensioni e modelli decisionali
Questo strumento estrae e visualizza i dati dalla funzione Recall in Windows 11, fornendo un modo semplice per accedere alle informazioni sugli snapshot dell'attività del tuo PC.
Dichiarare in modo dichiarativo come estrarre elementi da un documento JSON, in PHP
Parser intelligente per il catalogo "Chitai-Gorod". Raccolta e strutturazione dei dati ad alta velocità basate su qualsiasi parametro specificato: dall'ISBN alle dinamiche di sconto.
Un modulo Python per estrarre province, città e distretti da stringhe in cinese semplificato e per eseguire mappature, verifiche e grafici semplici
Converte un file PDF in un file di testo mantenendo l’impaginazione del PDF originale. È utile, ad esempio, per estrarre il contenuto di una tabella da un file PDF. È una sottoclasse della classe PDFTextStripper della libreria Apache PDFBox.
Domande frequenti
Qual è il repository #data-extraction più popolare su GitHub?
Il progetto open source #data-extraction più alto in classifica su GitHub è firecrawl/firecrawl, con 205,758 stelle. Infrastruttura di conoscenza per rendere più intelligenti i tuoi agenti. Cerca, estrai e accedi a oltre 550 fornitori di dati tramite un’unica API.
Quali linguaggi di programmazione sono più utilizzati nei repository #data-extraction?
Tra i progetti #data-extraction più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, JavaScript, Rust.
Come viene calcolata la classifica dei repository #data-extraction?
Monitoriamo 131 repository open source attivi contrassegnati con #data-extraction (500+ stelle), per un totale di 729,329 stelle e una media di 5,567 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.