Git Stars Git Stars

#document-parsing Repository

Scopri 42 repository GitHub open source attivi contrassegnati con #document-parsing, che raccolgono un totale di 356,240 stelle (con una media di 8,481 stelle per progetto). Il progetto leader di questo argomento è PaddlePaddle/PaddleOCR, con 92,972 stelle.

42
Totale Repository
356,240
Totale stelle
8,481
Media Stelle/Repo

42 repository in totale

1
PaddlePaddle/PaddleOCR

Trasforma qualsiasi documento PDF o immagine in dati strutturati per la tua IA. Un toolkit OCR potente e leggero che colma il divario tra immagini/PDF e LLM. Supporta oltre 100 lingue.

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 Aggiornato 2026-09-16 📅 Creato 2020-05-08
2
docling-project/docling

Prepara i tuoi documenti per l'IA generativa

docling-project
⭐ 70,843 Python 👤 docling-project Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-07-09
3
datalab-to/marker

Converti rapidamente PDF in markdown + JSON con alta precisione

datalab-to
⭐ 41,010 Python 👤 datalab-to Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2023-10-30
4
opendataloader-project/opendataloader-pdf

Parser PDF per dati pronti per l'IA. Automatizza l'accessibilità PDF. Open-source.

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2025-05-13
5
Unstructured-IO/unstructured

Converti documenti in dati strutturati senza sforzo. Unstructured è una soluzione ETL open-source per trasformare documenti complessi in formati puliti e strutturati per modelli linguistici. Visita il nostro sito web per saperne di più sul nostro prodotto Platform di livello enterprise per flussi di lavoro di livello di produzione, partizionamento, arricchimento, chunking e embedding.

Unstructured-IO
⭐ 15,769 HTML 👤 Unstructured-IO Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2022-09-26
6
netease-youdao/QAnything

Domande e risposte basate su qualsiasi cosa.

netease-youdao
⭐ 14,210 Python 👤 netease-youdao User 🕐 Aggiornato 2026-09-23 📅 Creato 2024-01-03
7
datalab-to/chandra

Modello OCR che gestisce tabelle complesse, moduli e scrittura a mano con layout completo.

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2025-10-08
8
facebookresearch/nougat

Implementazione di Nougat Neural Optical Understanding per documenti accademici

facebookresearch
⭐ 9,997 Python 👤 facebookresearch Organization 🕐 Aggiornato 2025-02-21 📅 Creato 2023-06-07
9
studio-dots-ai/dots.ocr

Analisi del layout di documenti multilingue in un singolo modello Vision-Language

studio-dots-ai
⭐ 9,236 Python 👤 studio-dots-ai Organization 🕐 Aggiornato 2026-03-24 📅 Creato 2025-07-30
10
Yuliang-Liu/MonkeyOCR

Un modello leggero di analisi dei documenti basato su LMM

Yuliang-Liu
⭐ 6,653 Python 👤 Yuliang-Liu User 🕐 Aggiornato 2026-11-17 📅 Creato 2025-06-03
11
mindee/doctr

docTR (Document Text Recognition) - una libreria fluida, ad alte prestazioni e accessibile per attività relative all'OCR, basata sul Deep Learning. Sviluppo e manutenzione continui a cura di t2k.

mindee
⭐ 6,433 Python 👤 mindee Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2021-01-08
12
run-llama/llama_cloud_services

Agenti di conoscenza e gestione nel cloud

run-llama
⭐ 4,273 TypeScript 👤 run-llama Organization 🕐 Aggiornato 2026-11-08 📅 Creato 2024-01-31
13
NVIDIA/NeMo-Retriever

NeMo Retriever Library è un microservizio scalabile e orientato alle prestazioni per l'estrazione di contenuti e metadati da documenti. NeMo Retriever Library utilizza microservizi NVIDIA NIM specializzati per trovare, contestualizzare ed estrarre testo, tabelle, grafici e immagini che è possibile utilizzare in applicazioni generative a valle.

NVIDIA
⭐ 3,014 Python 👤 NVIDIA Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-08-22
14
chatdoc-com/OCRFlux

OCRFlux è un toolkit multimodale leggero ma potente che migliora significativamente la conversione da PDF a Markdown, eccellendo nella gestione di layout complessi, nell'analisi di tabelle complicate e nell'unione di contenuti interpagina.

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 Aggiornato 2026-04-14 📅 Creato 2025-06-04
15
Nutlope/llama-ocr

Libreria OCR da Documento a Markdown con Llama 3.2 vision

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 Aggiornato 2026-07-12 📅 Creato 2024-11-12
16
landing-ai/ade-cli

La CLI ufficiale per Agentic Document Extraction (ADE) di LandingAI: analizza documenti ed estrai dati strutturati dal tuo terminale

landing-ai
⭐ 2,427 Python 👤 landing-ai Organization 🕐 Aggiornato 2026-10-30 📅 Creato 2025-03-12
18
dnGrep/dnGrep

Strumento GREP grafico per Windows

dnGrep
⭐ 2,246 C# 👤 dnGrep Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2014-10-09
19
opendatalab/OmniDocBench

[CVPR 2025] Un benchmark completo per l'analisi e la valutazione dei documenti

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 Aggiornato 2026-11-12 📅 Creato 2024-10-14
20
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Rendere i VLM OCR leggeri più veloci e migliori

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Aggiornato 2026-09-24 📅 Creato 2025-11-18
21
datalab-to/indra

Modello OCR da 1 milione di parametri: funziona su CPU, è 15 volte più veloce di Tesseract e offre una precisione simile a quella dei modelli con oltre 1 miliardo di parametri

datalab-to
⭐ 1,910 Python 👤 datalab-to Organization 🕐 Aggiornato 2026-11-04 📅 Creato 2026-10-13
22
enoch3712/ExtractThinker

ExtractThinker è una libreria di Document Intelligence per LLM, che offre un'interazione in stile ORM per flussi di lavoro di documenti flessibili e potenti.

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 Aggiornato 2026-09-16 📅 Creato 2024-02-01
23
NanoNets/docstrange

Estrai e converti dati da qualsiasi documento, immagine, PDF, documento Word, PPT o URL in più formati (Markdown, JSON, CSV, HTML) con estrazione intelligente di dati strutturati e OCR avanzato.

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 Aggiornato 2025-10-31 📅 Creato 2025-07-31
24
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
25
zstar1003/ragflow-plus

Ragflow-Plus è una versione di sviluppo secondario di Ragflow, che lo rende più conciso e pratico

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 Aggiornato 2026-11-18 📅 Creato 2025-03-24
27
nlmatics/nlm-ingestor

Questo repository fornisce il codice lato server per l'API llmsherpa da collegare. Include parser per vari formati di file.

nlmatics
⭐ 1,282 Python 👤 nlmatics Organization 🕐 Aggiornato 2025-03-28 📅 Creato 2024-01-17
28
laramies/metagoofil

Raccolta metadati

laramies
⭐ 1,201 Python 👤 laramies User 🕐 Aggiornato 2024-03-21 📅 Creato 2015-08-13
29
aiptimizer/TurboOCR

TurboOCR, >200 img/s OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC

aiptimizer
⭐ 1,162 C++ 👤 aiptimizer Organization 🕐 Aggiornato 2026-09-27 📅 Creato 2026-03-20
30
allenai/s2orc

S2ORC: Il Semantic Scholar Open Research Corpus: https://www.aclweb.org/anthology/2020.acl-main.447/

allenai
⭐ 996 Python 👤 allenai Organization 🕐 Aggiornato 2024-04-26 📅 Creato 2019-11-04
31
flyhunterl/flymd

Strumento di note Markdown ad alte prestazioni! AI gratuita, note intelligenti, promemoria TODO, banca dati locale, motore di romanzi AI. Analisi PDF, note vocali automatiche, trascrizione audio. Avvio in millisecondi.

flyhunterl
⭐ 900 JavaScript 👤 flyhunterl User 🕐 Aggiornato 2026-07-22 📅 Creato 2025-10-24
32
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
33
deep-diver/paper-reviewer

Genera una recensione completa di un articolo arXiv, quindi trasformala in un post del blog. Questo progetto alimenta il sito Web sottostante per gli Articoli Giornalieri di HuggingFace (https://huggingface.co/papers).

deep-diver
⭐ 834 Python 👤 deep-diver User 🕐 Aggiornato 2025-02-20 📅 Creato 2024-10-21
34
FengZhenfei/carrel

Generazione potenziata con ontologie per agenti IA.

FengZhenfei
⭐ 808 Python 👤 FengZhenfei User 🕐 Aggiornato 2026-11-17 📅 Creato 2026-09-28
36
Steven-Luo/MasteringRAG

Sistema RAG Enterprise: dall'introduzione alla maestria

Steven-Luo
⭐ 699 Jupyter Notebook 👤 Steven-Luo User 🕐 Aggiornato 2025-06-25 📅 Creato 2024-07-16
37
ggozad/haiku.rag

RAG agentico per la ricerca di documenti in locale e self-hosted: recupero ibrido, reranking e RAG multimodale su LanceDB incorporato, con parsing tramite Docling e un server MCP

ggozad
⭐ 665 Python 👤 ggozad User 🕐 Aggiornato 2026-11-20 📅 Creato 2024-10-13
38
run-llama/ParseBench

ParseBench - Un benchmark di analisi dei documenti per agenti AI

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2026-04-10
39
skygazer42/MimirQ

Knowledge base RAG aziendale con priorità al cinese: analisi controllabile, governance, suddivisione in chunk, recupero ibrido, reranking, citazioni, grafi della conoscenza, valutazione e integrazione con Dify.

skygazer42
⭐ 613 Python 👤 skygazer42 User 🕐 Aggiornato 2026-11-21 📅 Creato 2025-11-28
40
ankushshah89/python-docx2txt

Un'utilità basata su Python puro per estrarre testo e immagini dai file docx.

ankushshah89
⭐ 584 Python 👤 ankushshah89 User 🕐 Aggiornato 2025-03-24 📅 Creato 2015-10-28
41
fufankeji/DeepSeek-OCR-Web

Web Studio per l'analisi di documenti OCR DeepSeek pronto all'uso

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 Aggiornato 2025-10-27 📅 Creato 2025-10-23
42
LeDat98/NexusRAG

Sistema RAG ibrido che combina ricerca vettoriale, un grafo della conoscenza (LightRAG) e il reranking tramite cross-encoder, con analisi dei documenti tramite Docling, intelligenza visiva (generazione di didascalie per immagini e tabelle), chat agentica in streaming e citazioni inline. Basato su modelli Gemini o Ollama locali.

LeDat98
⭐ 533 Python 👤 LeDat98 User 🕐 Aggiornato 2026-04-20 📅 Creato 2026-03-15

Domande frequenti

1

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

Il progetto open source #document-parsing più alto in classifica su GitHub è PaddlePaddle/PaddleOCR, con 92,972 stelle. Trasforma qualsiasi documento PDF o immagine in dati strutturati per la tua IA. Un toolkit OCR potente e leggero che colma il divario tra immagini/PDF e LLM. Supporta oltre 100 lingue.

2

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

Tra i progetti #document-parsing più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, Java, HTML.

3

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

Monitoriamo 42 repository open source attivi contrassegnati con #document-parsing (500+ stelle), per un totale di 356,240 stelle e una media di 8,481 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.