#data-extraction Repository
131 repository in totale
:truck: Flussi di lavoro di preparazione dati agili resi facili con Pandas, Dask, cuDF, Dask-cuDF, Vaex e PySpark
Server API open source per lo scraping di piattaforme come Douyin (a_bogus ultima versione), Kuaishou, Bilibili, Xiaohongshu, Taobao, JD.com, Weibo, ecc. Rapida implementazione con Docker in un clic.
Strumento di query per informazioni sensibili sugli heapdump, ad esempio per trovare password in chiaro, AK, SK, ecc. negli heapdump di spring
Estrai dati senza sforzo con la nostra API di scraping basata sull'IA. Semplifica l'estrazione dei dati, ottieni output JSON puliti e adattati alle modifiche delle pagine. Provala gratuitamente oggi stesso!
Un toolkit Python intuitivo ma potente per l'analisi finanziaria e l'automazione, creato per rendere gli investimenti moderni accessibili a tutti
Flyscrape รจ uno strumento di web scraping a riga di comando progettato per coloro che non hanno competenze di programmazione avanzate.
Crawler Dianping (interamente navigabile sul sito, risolve la crittografia dei font dinamici, non OCR). Aggiornamento continuo
CommonForms โ modelli aperti per il rilevamento automatico dei campi modulo PDF
Strumento di arricchimento dati basato sull'IA che trasforma le e-mail in set di dati ricchi con profili aziendali, dati di finanziamento, stack tecnologici e altro ancora utilizzando Firecrawl e IA multi-agente
Alternativa veloce e leggera a Firecrawl/Tavily scritta in Rust. API di web scraping, crawler e ricerca con server MCP per agenti IA. API compatibile con Firecrawl (/scrape, /crawl, /search). 2,3 volte piรน veloce di Tavily, 1,5 volte piรน veloce di Firecrawl in benchmark su 1K URL. 6 MB di RAM, binario singolo. Self-hosting o cloud gestito.
La libreria PDF piรน veloce per Python e Rust. Estrazione testo, estrazione immagini, conversione markdown, creazione e modifica PDF. Media 0.8 ms, 5ร piรน veloce dei leader del settore, tasso di successo 100% su 3.830 PDF. MIT/Apache-2.0.
Uno strumento per estrarre dati da LinkedIn senza restrizioni API per la ricognizione dei dati
โ๏ธ Il motore di estrazione dietro Maigret: trasforma qualsiasi URL di profilo in un record OSINT strutturato su oltre 150 siti
Una libreria Rust per estrarre dati utili da documenti HTML, adatta allo scraping web.
Libreria per fornire un'interfaccia client semplice all'API REST di Strava (v3).
Classificazione dei risultati di ricerca di Google Scholar basata sul numero di citazioni
Per esportare i database di vocaboli di MoMo Vokabeltrainer e generare database di vocaboli personalizzati adatti per List Vokabeltrainer, BuBei Vokabeltrainer, Oulu Dictionary, ecc.
Assistente AI locale e open-source per i tuoi dati. Unifica attivitร , note, documenti, foto e segnalibri. Privato, self-hosted ed estensibile tramite API.
Una versione compatibile con Python 3 di goose http://goose3.readthedocs.io/en/latest/index.html
Uno strumento CLI e un'API per recuperare dati da Twitter gratuitamente!
Concorso 2019CCF-BDCI Vincitore del Premio per la Migliore Esplorazione Innovativa Campione della sfida di estrazione elementi carta d'identitร basata su OCR Team Tianchen Poxiao Codice sorgente della sfida
Accedi ai tuoi dati di tracciamento dei pasti memorizzati in MyFitnessPal in modo programmatico
Framework di gestione dei dati per Python che fornisce funzionalitร per descrivere, estrarre, convalidare e trasformare dati tabellari
Un framework chatbot/GraphRAG che crea agenti multi-llm dai commenti degli utenti delle piattaforme social e li fa dibattere su argomenti specifici.
Un'estensione del browser: utilizzata principalmente per prendere appunti in WeChat Read, รจ piuttosto utile per i lettori che utilizzano frequentemente Markdown per prendere appunti.