Git Stars Git Stars

#document-analysis Repository

Scopri 33 repository GitHub open source attivi contrassegnati con #document-analysis, che raccolgono un totale di 134,538 stelle (con una media di 4,076 stelle per progetto). Il progetto leader di questo argomento è opendatalab/MinerU, con 84,093 stelle.

33
Totale Repository
134,538
Totale stelle
4,076
Media Stelle/Repo

33 repository in totale

1
opendatalab/MinerU

Trasforma documenti complessi come PDF e documenti Office in markdown/JSON pronti per LLM per i tuoi flussi di lavoro Agentic.

opendatalab
⭐ 84,093 Python 👤 opendatalab Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2024-02-29
2
bytedance/Dolphin

Il repository ufficiale per “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.

bytedance
⭐ 9,065 Python 👤 bytedance Organization 🕐 Aggiornato 2026-03-25 📅 Creato 2025-05-13
3
ucbepic/docetl

Un sistema per l'elaborazione dati e ETL basato su LLM agenti

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2024-07-09
4
camelot-dev/camelot

Una libreria Python per estrarre dati tabulari dai PDF

camelot-dev
⭐ 3,858 Python 👤 camelot-dev Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2019-07-01
5
echohive42/AI-reads-books-page-by-page

L'IA legge i libri: Estrattore e Riassuntore di Conoscenza PDF Pagina per Pagina. lo script esegue un'analisi intelligente pagina per pagina di libri PDF, estraendo metodicamente punti di conoscenza e generando riassunti progressivi a intervalli specificati

echohive42
⭐ 3,453 Python 👤 echohive42 User 🕐 Aggiornato 2026-10-30 📅 Creato 2024-12-28
6
kba/awesome-ocr

Link a progetti OCR fantastici

kba
⭐ 3,074 👤 kba User 🕐 Aggiornato 2024-07-06 📅 Creato 2016-04-27
7
UglyToad/PdfPig

Leggere ed estrarre testo e altro contenuto da PDF in C# (port di PDFBox)

UglyToad
⭐ 2,626 C# 👤 UglyToad Organization 🕐 Aggiornato 2026-11-10 📅 Creato 2017-11-09
8
DanBloomberg/leptonica

Leptonica è una libreria open source contenente software ampiamente utile per applicazioni di elaborazione e analisi di immagini. Il repository GitHub ufficiale per Leptonica è: danbloomberg/leptonica. Vedere leptonica.org per ulteriore documentazione.

DanBloomberg
⭐ 2,107 C 👤 DanBloomberg User 🕐 Aggiornato 2026-11-20 📅 Creato 2016-01-13
9
NanoNets/docext

Un toolkit on-premises, senza OCR, per l'estrazione di dati non strutturati, la conversione in markdown e il benchmarking. (https://idp-leaderboard.org/)

NanoNets
⭐ 2,086 Python 👤 NanoNets Organization 🕐 Aggiornato 2026-03-17 📅 Creato 2025-03-25
10
AlibabaResearch/AdvancedLiterateMachinery

Una raccolta di idee e algoritmi originali e innovativi per macchine letterarie avanzate. Questo progetto è mantenuto dal Team OCR nel Language Technology Lab, Tongyi Lab, Alibaba Group.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Aggiornato 2026-03-17 📅 Creato 2022-09-28
11
Topdu/OpenOCR

OpenOCR: Un pacchetto di strumenti open‑source per la ricerca e le applicazioni generali di OCR, che integra un benchmark unificato per l'addestramento e la valutazione, sistemi OCR e di analisi dei documenti di qualità commerciale, e riproduzioni fedeli delle implementazioni principali provenienti da un'ampia gamma di articoli accademici.

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 Aggiornato 2026-09-21 📅 Creato 2024-05-31
12
DocumindHQ/documind

Piattaforma open-source per estrarre dati strutturati dai documenti utilizzando l'IA.

DocumindHQ
⭐ 1,475 JavaScript 👤 DocumindHQ Organization 🕐 Aggiornato 2025-05-15 📅 Creato 2024-11-17
13
nishiwen1214/ChatReviewer

ChatReviewer: Analizza saggi con ChatGPT, evidenzia punti di forza e di debolezza e suggerisce miglioramenti

nishiwen1214
⭐ 1,366 Python 👤 nishiwen1214 User 🕐 Aggiornato 2024-11-22 📅 Creato 2023-03-18
14
Calamari-OCR/calamari

Motore ATR basato su linee basato su OCRopy

Calamari-OCR
⭐ 1,204 Python 👤 Calamari-OCR Organization 🕐 Aggiornato 2026-06-23 📅 Creato 2018-03-20
15
Mingtzge/2019-CCF-BDCI-OCR-MCZJ-OCR-IdentificationIDElement

Concorso 2019CCF-BDCI Vincitore del Premio per la Migliore Esplorazione Innovativa Campione della sfida di estrazione elementi carta d'identità basata su OCR Team Tianchen Poxiao Codice sorgente della sfida

Mingtzge
⭐ 899 Python 👤 Mingtzge User 🕐 Aggiornato 2024-07-25 📅 Creato 2019-12-30
16
freelawproject/x-ray

Uno strumento per rilevare se un PDF presenta una cancellazione errata.

freelawproject
⭐ 837 Python 👤 freelawproject Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2020-12-17
17
datalab-to/pdftext

Estrai rapidamente testo strutturato da PDF

datalab-to
⭐ 744 Python 👤 datalab-to Organization 🕐 Aggiornato 2026-10-22 📅 Creato 2024-04-24
18
ispras/dedoc

Dedoc è una libreria (servizio) per l'analisi automatizzata dei documenti e la loro unificazione in un formato uniforme. Estrae automaticamente contenuti, struttura logica, tabelle e metainformazioni da documenti elettronici testuali. (Analisi documenti; Estrazione contenuto documento; Estrazione struttura logica; Parser PDF; Parser documenti scansionati; Parser DOCX; Parser HTML)

ispras
⭐ 739 Python 👤 ispras Organization 🕐 Aggiornato 2026-11-09 📅 Creato 2020-12-07
19
OCR4all/OCR4all

Fornisce servizi OCR (Riconoscimento Ottico dei Caratteri) tramite applicazioni web

OCR4all
⭐ 713 Java 👤 OCR4all Organization 🕐 Aggiornato 2026-09-14 📅 Creato 2019-01-23
20
allenai/pdffigures2

Dato un PDF accademico, estrai figure, tabelle, didascalie e titoli di sezione.

allenai
⭐ 712 Scala 👤 allenai Organization 🕐 Aggiornato 2024-03-10 📅 Creato 2016-05-09
22
ndl-lab/ndlocr_cli

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

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 Aggiornato 2026-01-05 📅 Creato 2022-03-30
23
allenai/science-parse

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

allenai
⭐ 686 Java 👤 allenai Organization 🕐 Aggiornato 2024-05-26 📅 Creato 2015-08-19
24
0xabu/pdfannots

Estrae e formatta le annotazioni di testo da un file PDF

0xabu
⭐ 676 Python 👤 0xabu User 🕐 Aggiornato 2026-11-12 📅 Creato 2017-01-28
25
Alibaba-NLP/ViDoRAG

[EMNLP 2025] ViDoRAG: Generazione aumentata da recupero di documenti visivi tramite agenti di ragionamento iterativo dinamico

Alibaba-NLP
⭐ 670 Python 👤 Alibaba-NLP Organization 🕐 Aggiornato 2026-01-11 📅 Creato 2025-02-25
26
opendatalab/MinerU-Diffusion

[ECCV 2026] Un framework basato sulla diffusione per l'OCR di documenti che sostituisce la decodifica autoregressiva con la decodifica a diffusione parallela a livello di blocco.

opendatalab
⭐ 624 Python 👤 opendatalab Organization 🕐 Aggiornato 2026-06-18 📅 Creato 2026-03-13
27
maxandrews/Epstein-doc-explorer

un esploratore di grafi delle email di Epstein

maxandrews
⭐ 598 JavaScript 👤 maxandrews User 🕐 Aggiornato 2025-11-20 📅 Creato 2025-11-14
28
CybercentreCanada/assemblyline

Assemblyline 4: Triage dei file e analisi del malware

CybercentreCanada
⭐ 572 Python 👤 CybercentreCanada Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2020-12-03
29
wenwenyu/PICK-pytorch

Codice per l'articolo "PICK: Estrazione di informazioni chiave da documenti utilizzando reti convoluzionali migliorate per l'apprendimento del grafo" (ICPR 2020)

wenwenyu
⭐ 570 Python 👤 wenwenyu User 🕐 Aggiornato 2024-07-25 📅 Creato 2020-07-15
30
leedrake5/unredact

Uno strumento semplice per leggere documenti poco cernuti e riprodurre la loro forma originale.

leedrake5
⭐ 565 Python 👤 leedrake5 User 🕐 Aggiornato 2026-01-06 📅 Creato 2025-12-23
32
JoshData/pdf-diff

Un'utilità di confronto PDF in Python.

JoshData
⭐ 527 Python 👤 JoshData User 🕐 Aggiornato 2026-02-08 📅 Creato 2014-06-09
33
awslabs/handwritten-text-recognition-for-apache-mxnet

Questo repository ti permette di addestrare modelli di reti neurali per eseguire il riconoscimento della scrittura a mano su pagina intera end-to-end utilizzando i framework di deep learning Apache MXNet sul dataset IAM.

awslabs
⭐ 526 Jupyter Notebook 👤 awslabs Organization 🕐 Aggiornato 2026-02-05 📅 Creato 2019-02-26

Domande frequenti

1

Qual è il repository #document-analysis più popolare su GitHub?

Il progetto open source #document-analysis più alto in classifica su GitHub è opendatalab/MinerU, con 84,093 stelle. Trasforma documenti complessi come PDF e documenti Office in markdown/JSON pronti per LLM per i tuoi flussi di lavoro Agentic.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #document-analysis?

Tra i progetti #document-analysis più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, JavaScript, Java, C#.

3

Come viene calcolata la classifica dei repository #document-analysis?

Monitoriamo 33 repository open source attivi contrassegnati con #document-analysis (500+ stelle), per un totale di 134,538 stelle e una media di 4,076 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.