Git Stars Git Stars

#data-extraction Repository

131
Totale Repository
729,329
Totale stelle
5,567
Media Stelle/Repo
101
developersdigest/llm-api-engine

Crea e distribuisci API basate sull'intelligenza artificiale in pochi secondi

developersdigest
โญ 755 TypeScript ๐Ÿ‘ค developersdigest User ๐Ÿ• Aggiornato 2025-02-03 ๐Ÿ“… Creato 2025-01-24
102
polyrabbit/hacker-news-digest

๐Ÿ“ฐ Lascia che un LLM riassuma Hacker News per te

polyrabbit
โญ 754 Python ๐Ÿ‘ค polyrabbit User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2014-09-17
103
ScrapeGraphAI/scrapecraft

Editor di web scraping basato sull'IA con costruttore di flussi di lavoro visivo. Costruisci, testa e distribuisci scraper web utilizzando il linguaggio naturale. Alimentato da ScrapeGraphAI e LangGraph.

ScrapeGraphAI
โญ 731 Python ๐Ÿ‘ค ScrapeGraphAI Organization ๐Ÿ• Aggiornato 2025-12-26 ๐Ÿ“… Creato 2025-07-01
104
kovidgoyal/html5-parser

Parsing HTML 5 rapido basato su C per Python

kovidgoyal
โญ 710 C ๐Ÿ‘ค kovidgoyal User ๐Ÿ• Aggiornato 2026-09-20 ๐Ÿ“… Creato 2017-06-03
105
adrienjoly/npm-pdfreader

๐Ÿšœ Analizza testo e tabelle dai file PDF.

adrienjoly
โญ 703 HTML ๐Ÿ‘ค adrienjoly User ๐Ÿ• Aggiornato 2026-01-21 ๐Ÿ“… Creato 2015-03-05
106
ndl-lab/ndlocr_cli

Il repository dell'applicazione NDLOCR (incluso il codice sorgente)

ndl-lab
โญ 686 Python ๐Ÿ‘ค ndl-lab Organization ๐Ÿ• Aggiornato 2026-01-05 ๐Ÿ“… Creato 2022-03-30
107
allenai/science-parse

Science Parse analizza articoli scientifici (in formato PDF) e li restituisce in forma strutturata.

allenai
โญ 686 Java ๐Ÿ‘ค allenai Organization ๐Ÿ• Aggiornato 2024-05-26 ๐Ÿ“… Creato 2015-08-19
108
ladislav-zezula/StormLib

Repository ufficiale GitHub della libreria StormLib creata da Ladislav Zezula (autore)

ladislav-zezula
โญ 668 C ๐Ÿ‘ค ladislav-zezula User ๐Ÿ• Aggiornato 2026-11-18 ๐Ÿ“… Creato 2013-01-11
109
adamschwartz/web.scraper.workers.dev

Estrai testo dai siti web tramite selettore CSS.

adamschwartz
โญ 658 JavaScript ๐Ÿ‘ค adamschwartz User ๐Ÿ• Aggiornato 2024-02-14 ๐Ÿ“… Creato 2019-10-10
110
yanzhou/CnkiSpider

Crawler di China National Knowledge Infrastructure

yanzhou
โญ 653 Python ๐Ÿ‘ค yanzhou User ๐Ÿ• Aggiornato 2025-03-08 ๐Ÿ“… Creato 2014-11-05
111
getomni-ai
โญ 639 TypeScript ๐Ÿ‘ค getomni-ai Organization ๐Ÿ• Aggiornato 2025-10-21 ๐Ÿ“… Creato 2024-12-16
112
dzhng/zod-gpt

Ottieni output JSON strutturati, completamente tipizzati e validati dai modelli OpenAI e Anthropic.

dzhng
โญ 629 TypeScript ๐Ÿ‘ค dzhng User ๐Ÿ• Aggiornato 2024-04-26 ๐Ÿ“… Creato 2023-06-26
113
mac4n6/APOLLO

Pattern of Life Apple Output Pigro

mac4n6
โญ 627 Python ๐Ÿ‘ค mac4n6 User ๐Ÿ• Aggiornato 2024-02-25 ๐Ÿ“… Creato 2018-11-04
114
jrmuizel/pdf-extract

Una libreria Rust per estrarre contenuti da PDF

jrmuizel
โญ 604 Rust ๐Ÿ‘ค jrmuizel User ๐Ÿ• Aggiornato 2026-09-16 ๐Ÿ“… Creato 2017-02-01
115
ScrapingBee/google-reviews-scraper

Integrazione dell'API Google Reviews e uno scraper scalabile per Google Reviews per estrarre valutazioni, testo delle recensioni e approfondimenti aziendali da Google Maps utilizzando un'API Google Review strutturata.

ScrapingBee
โญ 601 ๐Ÿ‘ค ScrapingBee Organization ๐Ÿ• Aggiornato 2026-02-20 ๐Ÿ“… Creato 2026-02-19
116
Kakulukian/youtube-transcript

Recupera la trascrizione da un video di YouTube

Kakulukian
โญ 590 TypeScript ๐Ÿ‘ค Kakulukian User ๐Ÿ• Aggiornato 2026-04-25 ๐Ÿ“… Creato 2020-09-26
117
samacs/simple_html_dom

Solo un fork della libreria Simple HTML DOM. (http://simplehtmldom.sourceforge.net/)

samacs
โญ 587 HTML ๐Ÿ‘ค samacs User ๐Ÿ• Aggiornato 2024-05-15 ๐Ÿ“… Creato 2012-09-23
118
tbvdm/sigtop

Esportare i messaggi da Signal Desktop

tbvdm
โญ 585 Go ๐Ÿ‘ค tbvdm User ๐Ÿ• Aggiornato 2026-09-14 ๐Ÿ“… Creato 2021-03-10
119
Ormicron/chatViewTool

Visualizzatore grafico per la decrittazione della cronologia chat di WeChat implementato in Java

Ormicron
โญ 584 ๐Ÿ‘ค Ormicron User ๐Ÿ• Aggiornato 2024-05-20 ๐Ÿ“… Creato 2022-06-16
โญ 579 Python ๐Ÿ‘ค LeLe86 User ๐Ÿ• Aggiornato 2024-05-06 ๐Ÿ“… Creato 2019-07-27
121
mrshu/github-statuses

La "Pagina di stato di GitHub mancante" -- un tentativo tramite Flat Data di documentare storicamente gli stati di GitHub

mrshu
โญ 578 JavaScript ๐Ÿ‘ค mrshu User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2022-06-11
122
itstyren/CNKI-download

:frog: Download di letteratura CNKI e crawler di anteprima letteratura (Web Scraper per l'Estrazione Dati)

itstyren
โญ 578 Python ๐Ÿ‘ค itstyren User ๐Ÿ• Aggiornato 2024-11-18 ๐Ÿ“… Creato 2018-12-13
123
vakra-dev/reader

Infrastruttura web open source per l'IA. Esegui lo scraping, il crawling e l'automazione del web, pulisci markdown, sessioni del browser, pronta per i tuoi agenti.

vakra-dev
โญ 577 TypeScript ๐Ÿ‘ค vakra-dev Organization ๐Ÿ• Aggiornato 2026-10-06 ๐Ÿ“… Creato 2026-01-07
124
jpjacobpadilla/Stealth-Requests

Web-scraping non rilevabile e parsing HTML fluido in Python!

jpjacobpadilla
โญ 570 Python ๐Ÿ‘ค jpjacobpadilla User ๐Ÿ• Aggiornato 2026-09-19 ๐Ÿ“… Creato 2024-08-04
125
bawadou/ai-data-extractor

Estrattore gratuito e open source per la cronologia delle chat degli assistenti di programmazione basati sullโ€™IA. Supporta Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code e altri.

bawadou
โญ 555 Python ๐Ÿ‘ค bawadou User ๐Ÿ• Aggiornato 2026-09-07 ๐Ÿ“… Creato 2026-08-16
126
conjuncts/gmft

Estrazione di tabelle profonda, leggera e performante

conjuncts
โญ 544 Python ๐Ÿ‘ค conjuncts User ๐Ÿ• Aggiornato 2026-07-24 ๐Ÿ“… Creato 2024-06-08
127
poloclub/unitable

Workshop NeurIPS'24 - UniTable: Verso un modello fondazionale unificato per le tabelle

poloclub
โญ 537 Jupyter Notebook ๐Ÿ‘ค poloclub Organization ๐Ÿ• Aggiornato 2026-04-21 ๐Ÿ“… Creato 2024-01-09
128
xd20111/inshackle

Hack di Instagram: Traccia gli unfollower, Aumenta i tuoi follower, Scarica Stories, ecc.

xd20111
โญ 535 Shell ๐Ÿ‘ค xd20111 User ๐Ÿ• Aggiornato 2024-03-12 ๐Ÿ“… Creato 2019-03-03
129
jatechan/ai-data-extractor

Estrattore gratuito e open source delle cronologie chat degli assistenti di programmazione IA. Supporta Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code e altri

jatechan
โญ 526 Python ๐Ÿ‘ค jatechan User ๐Ÿ• Aggiornato 2026-10-20 ๐Ÿ“… Creato 2026-10-11
130
oxylabs/web-scraper-api

API all-in-one per il web scraping e lโ€™estrazione di dati su larga scala in tempo reale: proxy, gestione dei CAPTCHA, rendering JavaScript e parsing in unโ€™unica richiesta, con risultati in HTML o JSON strutturato.

oxylabs
โญ 503 ๐Ÿ‘ค oxylabs Organization ๐Ÿ• Aggiornato 2026-10-01 ๐Ÿ“… Creato 2026-06-05
โญ 502 Python ๐Ÿ‘ค lewis-007 User ๐Ÿ• Aggiornato 2024-03-11 ๐Ÿ“… Creato 2024-03-11