Git Stars Git Stars

#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
Totale Repository
729,329
Totale stelle
5,567
Media Stelle/Repo

131 repository in totale

1
firecrawl/firecrawl

Infrastruttura di conoscenza per rendere più intelligenti i tuoi agenti. Cerca, estrai e accedi a oltre 550 fornitori di dati tramite un’unica API.

firecrawl
⭐ 205,758 TypeScript 👤 firecrawl Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-04-15
2
D4Vinci/Scrapling

🕷️ 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

D4Vinci
⭐ 104,760 Python 👤 D4Vinci User 🕐 Aggiornato 2026-11-17 📅 Creato 2024-10-13
3
unclecode/crawl4ai

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.

unclecode
⭐ 87,627 Python 👤 unclecode User 🕐 Aggiornato 2026-11-20 📅 Creato 2024-05-09
4
ScrapeGraphAI/Scrapegraph-ai

Scraper Python basato sull'IA

ScrapeGraphAI
⭐ 32,877 Python 👤 ScrapeGraphAI Organization 🕐 Aggiornato 2026-10-06 📅 Creato 2024-01-27
5
browserbase/stagehand

L’SDK per estrarre dati e interagire con qualsiasi sito sul web. Inizia con Claude Code, Codex, Eve, Mastra e molto altro.

browserbase
⭐ 26,109 TypeScript 👤 browserbase Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-03-24
6
getmaxun/maxun

Trasforma qualsiasi sito web in un’API strutturata. Estrai, automatizza, cerca e monitora il web.

getmaxun
⭐ 18,538 TypeScript 👤 getmaxun Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2023-10-23
7
ReFirmLabs/binwalk

Strumento di analisi del firmware

ReFirmLabs
⭐ 14,731 Rust 👤 ReFirmLabs Organization 🕐 Aggiornato 2026-08-11 📅 Creato 2013-11-15
8
phiresky/ripgrep-all

rga: ripgrep, ma anche ricerca in PDF, e-book, documenti Office, zip, tar.gz, ecc.

phiresky
⭐ 9,937 Rust 👤 phiresky User 🕐 Aggiornato 2026-09-17 📅 Creato 2019-06-04
9
scrapinghub/portia

Scraping visivo per Scrapy

scrapinghub
⭐ 9,479 Python 👤 scrapinghub Organization 🕐 Aggiornato 2024-06-26 📅 Creato 2014-03-21
10
cv-cat/Spider_XHS

Raccolta dati tramite crawler Xiaohongshu (RED), reverse engineering di Xiaohongshu, messaggi privati, streaming live e soluzioni di gestione integrale su Xiaohongshu

cv-cat
⭐ 8,542 Python 👤 cv-cat User 🕐 Aggiornato 2026-10-22 📅 Creato 2023-08-08
11
ericchiang/pup

Parsing HTML dalla riga di comando

ericchiang
⭐ 8,372 HTML 👤 ericchiang User 🕐 Aggiornato 2024-05-02 📅 Creato 2014-09-01
12
mgdm/htmlq

Come jq, ma per HTML.

mgdm
⭐ 7,591 Rust 👤 mgdm User 🕐 Aggiornato 2026-05-27 📅 Creato 2019-05-07
13
browser-act/skills

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.

browser-act
⭐ 6,385 Python 👤 browser-act Organization 🕐 Aggiornato 2026-11-04 📅 Creato 2026-02-06
14
nickscamara/open-deep-research

Un clone di ricerca approfondita open source. Agente AI che ragiona su grandi quantità di dati web estratti con Firecrawl.

nickscamara
⭐ 6,242 TypeScript 👤 nickscamara User 🕐 Aggiornato 2025-05-07 📅 Creato 2025-02-03
15
MontFerret/ferret

Linguaggio di automazione dei dati dichiarativo e runtime Go per flussi di lavoro di estrazione strutturata.

MontFerret
⭐ 6,025 Go 👤 MontFerret Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2018-08-23
16
matthewmueller/x-ray

Il prossimo web scraper. Vedi attraverso il rumore <html>.

matthewmueller
⭐ 5,899 JavaScript 👤 matthewmueller User 🕐 Aggiornato 2026-08-31 📅 Creato 2015-02-05
17
vi3k6i5/flashtext

Estrai parole chiave dalle frasi o sostituisci parole chiave nelle frasi.

vi3k6i5
⭐ 5,714 Python 👤 vi3k6i5 User 🕐 Aggiornato 2025-04-13 📅 Creato 2017-08-15
18
Hammer1/cozeworkflows

Raccolta di oltre 200 flussi di lavoro di Coze, in continuo aggiornamento

Hammer1
⭐ 5,446 👤 Hammer1 User 🕐 Aggiornato 2025-07-27 📅 Creato 2025-07-27
19
ultrafunkamsterdam/nodriver

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.

ultrafunkamsterdam
⭐ 4,950 Python 👤 ultrafunkamsterdam User 🕐 Aggiornato 2026-10-26 📅 Creato 2024-02-20
20
REMitchell/python-scraping

Esempi di codice dal libro Web Scraping with Python http://shop.oreilly.com/product/0636920034391.do

REMitchell
⭐ 4,669 Jupyter Notebook 👤 REMitchell User 🕐 Aggiornato 2024-06-01 📅 Creato 2015-06-14
21
AhmadHassan-BTed/Noria

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.

AhmadHassan-BTed
⭐ 4,624 JavaScript 👤 AhmadHassan-BTed User 🕐 Aggiornato 2026-11-10 📅 Creato 2026-05-31
22
meta/duckling

Linguaggio, motore e strumenti per esprimere, testare e valutare regole di linguaggio componibili su stringhe di input.

meta
⭐ 4,328 Haskell 👤 meta Organization 🕐 Aggiornato 2026-03-15 📅 Creato 2017-03-02
23
tomnomnom/waybackurls

Recupera tutte le URL che Wayback Machine conosce per un dominio

tomnomnom
⭐ 4,255 Go 👤 tomnomnom User 🕐 Aggiornato 2024-05-01 📅 Creato 2018-01-24
24
scrapinghub/splash

Browser leggero e scriptable come servizio con un'API HTTP

scrapinghub
⭐ 4,197 Python 👤 scrapinghub Organization 🕐 Aggiornato 2024-08-02 📅 Creato 2013-05-20
25
CrawlScript/WebCollector

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.

CrawlScript
⭐ 3,073 Java 👤 CrawlScript Organization 🕐 Aggiornato 2026-02-10 📅 Creato 2014-07-12
26
goldsmith/Wikipedia

Un wrapper Pythonic per l'API di Wikipedia

goldsmith
⭐ 3,014 Python 👤 goldsmith User 🕐 Aggiornato 2026-10-25 📅 Creato 2013-08-20
27
brightdata/brightdata-mcp

Un potente server Model Context Protocol (MCP) che fornisce una soluzione all-in-one per l'accesso al web pubblico.

brightdata
⭐ 2,733 JavaScript 👤 brightdata Organization 🕐 Aggiornato 2026-11-18 📅 Creato 2025-04-15
28
smalot/pdfparser

PdfParser, una libreria PHP autonoma, fornisce vari strumenti per estrarre dati da un file PDF.

smalot
⭐ 2,732 PHP 👤 smalot User 🕐 Aggiornato 2026-10-13 📅 Creato 2013-08-30
29
Predidit/KazumiRules

Il repository di hosting delle regole di Kazumi, i contributi sono i benvenuti ^•ﻌ•^

Predidit
⭐ 2,653 Dart 👤 Predidit User 🕐 Aggiornato 2026-11-13 📅 Creato 2024-05-22
30
Bistutu/GoMusic

Migra playlist Netease Cloud/Qishui/QQ Music a Apple/Youtube/Spotify Music

Bistutu
⭐ 2,552 Go 👤 Bistutu User 🕐 Aggiornato 2026-11-21 📅 Creato 2023-10-07
31
tavily-ai/tavily-mcp

Server MCP pronto per la produzione con ricerca in tempo reale, estrazione, mappatura e crawling.

tavily-ai
⭐ 2,499 TypeScript 👤 tavily-ai Organization 🕐 Aggiornato 2026-11-18 📅 Creato 2025-01-27
32
jmespath/jmespath.py

JMESPath è un linguaggio di query per JSON.

jmespath
⭐ 2,458 Python 👤 jmespath Organization 🕐 Aggiornato 2026-04-20 📅 Creato 2013-02-19
33
saifyxpro/HeadlessX

Piattaforma di automazione del browser self-hosted e indetectabile. Alimentata da Camoufox (Firefox) con tasso di rilevamento zero. Progettata per velocità, privacy e scalabilità.

saifyxpro
⭐ 2,365 TypeScript 👤 saifyxpro User 🕐 Aggiornato 2026-11-12 📅 Creato 2025-09-12
34
dataabc/weibo-search

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

dataabc
⭐ 2,340 Python 👤 dataabc User 🕐 Aggiornato 2026-06-05 📅 Creato 2020-03-25
35
decaywood/XueQiuSuperSpider

Super Crawler Informazioni Azionarie Xueqiu

decaywood
⭐ 2,326 Java 👤 decaywood User 🕐 Aggiornato 2024-03-27 📅 Creato 2015-11-24
36
opendatalab/DocLayout-YOLO

DocLayout-YOLO: Miglioramento dell'analisi del layout dei documenti attraverso dati sintetici diversi e percezione adattiva globale-locale

opendatalab
⭐ 2,315 Python 👤 opendatalab Organization 🕐 Aggiornato 2026-10-21 📅 Creato 2024-10-14
39
hhursev/recipe-scrapers

Pacchetto Python per il web scraping di dati di ricette

hhursev
⭐ 2,263 Python 👤 hhursev User 🕐 Aggiornato 2026-11-15 📅 Creato 2015-09-14
40
shcherbak-ai/contextgem

Estrai dati strutturati e approfondimenti dai documenti utilizzando modelli linguistici di grandi dimensioni e modelli decisionali

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-10-11
41
xaitax/TotalRecall

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.

xaitax
⭐ 2,037 Python 👤 xaitax User 🕐 Aggiornato 2024-06-08 📅 Creato 2024-06-03
42
jmespath/jmespath.php

Dichiarare in modo dichiarativo come estrarre elementi da un documento JSON, in PHP

jmespath
⭐ 2,013 PHP 👤 jmespath Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2013-07-06
43
KEV0143/Parser-Chitai-Gorod

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.

KEV0143
⭐ 1,979 Python 👤 KEV0143 User 🕐 Aggiornato 2026-09-17 📅 Creato 2025-05-18
45
extractus/article-extractor

Estrarre l'articolo dall'URL fornito

extractus
⭐ 1,920 TypeScript 👤 extractus Organization 🕐 Aggiornato 2026-08-20 📅 Creato 2015-11-29
47
shuchkin/simplexlsx

Analizza e recupera dati dai file Excel XLSx

shuchkin
⭐ 1,829 PHP 👤 shuchkin User 🕐 Aggiornato 2026-10-20 📅 Creato 2016-05-25
48
DQinYuan/chinese_province_city_area_mapper

Un modulo Python per estrarre province, città e distretti da stringhe in cinese semplificato e per eseguire mappature, verifiche e grafici semplici

DQinYuan
⭐ 1,770 Python 👤 DQinYuan User 🕐 Aggiornato 2024-03-19 📅 Creato 2018-03-04
49
biuuu/star-rail-warp-export

Esportatore Cronologia Warp di Honkai: Star Rail

biuuu
⭐ 1,640 JavaScript 👤 biuuu User 🕐 Aggiornato 2026-11-11 📅 Creato 2023-05-01
50
JonathanLink/PDFLayoutTextStripper

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.

JonathanLink
⭐ 1,612 Java 👤 JonathanLink User 🕐 Aggiornato 2026-11-18 📅 Creato 2015-10-11

Domande frequenti

1

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.

2

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.

3

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.