#pdf-parser Repository
Scopri 21 repository GitHub open source attivi contrassegnati con #pdf-parser, che raccolgono un totale di 321,543 stelle (con una media di 15,311 stelle per progetto). Il progetto leader di questo argomento è PaddlePaddle/PaddleOCR, con 92,972 stelle.
21 repository in totale
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.
Trasforma documenti complessi come PDF e documenti Office in markdown/JSON pronti per LLM per i tuoi flussi di lavoro Agentic.
Parser PDF per dati pronti per l'IA. Automatizza l'accessibilità PDF. Open-source.
Libreria veloce in Rust per ispezione, classificazione ed estrazione testo dei PDF. Rileva intelligentemente PDF scansionati vs basati su testo per abilitare decisioni di routing intelligenti.
Una libreria PDF in puro Python in grado di dividere, unire, ritagliare e trasformare le pagine dei file PDF
Il repository ufficiale per “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.
PDF craft può convertire file PDF in vari altri formati. Questo progetto si concentrerà sull'elaborazione di file PDF di libri scansionati.
yft-design è uno strumento di progettazione online potente e visivamente accattivante, costruito con Vue3, fabric.js e Element Plus. La versione open-source "Gao Ding Design" basata su fabric.js. Uno strumento di progettazione online bello e potente con funzionalità di progettazione di poster e modifica di immagini. Adatto a una varietà di scenari, come la generazione di poster, la creazione di immagini di prodotti e-commerce, il design di immagini lunghe per articoli, la modifica di copertine video/di account pubblici, ecc.
Estrazione di dati non strutturati, rapida ed efficiente. Scritto in Rust con binding per molte lingue.
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.
Server backend facilmente implementabile e scalabile che converte in modo efficiente vari formati di documenti (pdf, docx, pptx, html, immagini, ecc.) in Markdown. Con supporto per l'elaborazione sia CPU che GPU, è ideale per flussi di lavoro su larga scala, offre estrazione di testo/tabelle, OCR ed elaborazione batch con endpoint sincroni/asincroni.
Trasforma qualsiasi PDF di un libro tecnico in una competenza di Claude Code, pronta per essere studiata, consultata e utilizzata mentre lavori.
La libreria PDF più veloce per Python e Rust. Estrazione testo, estrazione immagini, conversione markdown, creazione e modifica PDF. Media 0.8 ms, 5× più veloce dei leader del settore, tasso di successo 100% su 3.830 PDF. MIT/Apache-2.0.
Un canvas 2D a flottazione libera per elaborare più file PDF contemporaneamente
API facilmente distribuibile 🚀 per convertire rapidamente PDF in markdown con alta precisione.
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)
[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.
Domande frequenti
Qual è il repository #pdf-parser più popolare su GitHub?
Il progetto open source #pdf-parser 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.
Quali linguaggi di programmazione sono più utilizzati nei repository #pdf-parser?
Tra i progetti #pdf-parser più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Rust, TypeScript, Java.
Come viene calcolata la classifica dei repository #pdf-parser?
Monitoriamo 21 repository open source attivi contrassegnati con #pdf-parser (500+ stelle), per un totale di 321,543 stelle e una media di 15,311 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.