Git Stars Git Stars

#document-parsing リポジトリ

#document-parsingのタグが付いた、GitHub上の42件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は356,240個で、プロジェクトあたりの平均は8,481個です。このトピックをリードしているのは、92,972個のスターを獲得しているPaddlePaddle/PaddleOCRです。

42
リポジトリ総数
356,240
合計スター数
8,481
リポジトリあたりの平均スター数

リポジトリ合計42件

1
PaddlePaddle/PaddleOCR

あらゆるPDFや画像ドキュメントをAI用の構造化データに変換します。画像/PDFとLLMの間のギャップを埋める、パワフルで軽量なOCRツールキット。100以上の言語に対応しています。

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 更新日時 2026-09-16 📅 作成日 2020-05-08
2
docling-project/docling

生成AIのためのドキュメントを準備する

docling-project
⭐ 70,843 Python 👤 docling-project Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-07-09
3
datalab-to/marker

PDFからMarkdown + JSONへ、高精度かつ迅速に変換

datalab-to
⭐ 41,010 Python 👤 datalab-to Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-10-30
4
opendataloader-project/opendataloader-pdf

AI対応データ用PDFパーサー。PDFのアクセシビリティを自動化。オープンソース。

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-05-13
5
Unstructured-IO/unstructured

ドキュメントを構造化データに簡単に変換できます。Unstructuredは、複雑なドキュメントを言語モデル用のクリーンで構造化された形式に変換するオープンソースETLソリューションです。本番グレードのワークフロー、パーティショニング、エンリッチメント、チャンキング、および埋め込みのためのエンタープライズグレードのプラットフォーム製品の詳細については、当社のウェブサイトをご覧ください。

Unstructured-IO
⭐ 15,769 HTML 👤 Unstructured-IO Organization 🕐 更新日時 2026-11-19 📅 作成日 2022-09-26
6
netease-youdao/QAnything

あらゆるものに基づいた質疑応答。

netease-youdao
⭐ 14,210 Python 👤 netease-youdao User 🕐 更新日時 2026-09-23 📅 作成日 2024-01-03
7
datalab-to/chandra

完全なレイアウトで複雑な表、フォーム、手書き文字に対応するOCRモデル。

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 更新日時 2026-11-16 📅 作成日 2025-10-08
8
facebookresearch/nougat

学術文書のためのNougatニューラル光学理解の実装

facebookresearch
⭐ 9,997 Python 👤 facebookresearch Organization 🕐 更新日時 2025-02-21 📅 作成日 2023-06-07
9
studio-dots-ai/dots.ocr

単一のビジョン・言語モデルにおける多言語ドキュメントレイアウト解析

studio-dots-ai
⭐ 9,236 Python 👤 studio-dots-ai Organization 🕐 更新日時 2026-03-24 📅 作成日 2025-07-30
10
Yuliang-Liu/MonkeyOCR

軽量LMMベースのドキュメント解析モデル

Yuliang-Liu
⭐ 6,653 Python 👤 Yuliang-Liu User 🕐 更新日時 2026-11-17 📅 作成日 2025-06-03
11
mindee/doctr

docTR (Document Text Recognition) - ディープラーニングを活用した、シームレスで高性能かつアクセシブルな OCR 関連タスク用ライブラリ。t2k によって継続的に開発・保守されています。

mindee
⭐ 6,433 Python 👤 mindee Organization 🕐 更新日時 2026-11-19 📅 作成日 2021-01-08
12
run-llama/llama_cloud_services

クラウドにおける知識エージェントと管理

run-llama
⭐ 4,273 TypeScript 👤 run-llama Organization 🕐 更新日時 2026-11-08 📅 作成日 2024-01-31
13
NVIDIA/NeMo-Retriever

NeMo Retriever Libraryは、スケーラブルでパフォーマンス重視のドキュメントコンテンツおよびメタデータ抽出マイクロサービスです。NeMo Retriever Libraryは、専門化されたNVIDIA NIMマイクロサービスを使用して、後続の生成AIアプリケーションで使用できるテキスト、表、グラフ、画像を検索、コンテキスト化、および抽出します。

NVIDIA
⭐ 3,014 Python 👤 NVIDIA Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-08-22
14
chatdoc-com/OCRFlux

OCRFluxは、複雑なレイアウトの處理、困難なテーブルの解析、およびページをまたがるコンテンツのマージに優れ、PDFからMarkdownへの変換を大幅に進歩させる、軽量でありながら強力なマルチモーダルツールキットです。

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 更新日時 2026-04-14 📅 作成日 2025-06-04
15
Nutlope/llama-ocr

Llama 3.2 visionによるドキュメントからMarkdownへのOCRライブラリ

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 更新日時 2026-07-12 📅 作成日 2024-11-12
16
landing-ai/ade-cli

LandingAIによるAgentic Document Extraction (ADE) 公式CLI — ターミナルからドキュメントを解析し、スキーマに基づいたデータを抽出します

landing-ai
⭐ 2,427 Python 👤 landing-ai Organization 🕐 更新日時 2026-10-30 📅 作成日 2025-03-12
18
dnGrep/dnGrep

Windows用グラフィカルGREPツール

dnGrep
⭐ 2,246 C# 👤 dnGrep Organization 🕐 更新日時 2026-11-20 📅 作成日 2014-10-09
19
opendatalab/OmniDocBench

[CVPR 2025] ドキュメント解析と評価のための包括的なベンチマーク

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 更新日時 2026-11-12 📅 作成日 2024-10-14
20
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5:軽量OCR VLMをより高速かつ優れたものに

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-09-24 📅 作成日 2025-11-18
21
datalab-to/indra

100万パラメータのOCRモデル — CPUで動作し、Tesseractより15倍高速。精度は10億以上のパラメータを持つモデルに匹敵

datalab-to
⭐ 1,910 Python 👤 datalab-to Organization 🕐 更新日時 2026-11-04 📅 作成日 2026-10-13
22
enoch3712/ExtractThinker

ExtractThinkerは、LLM向けのドキュメントインテリジェンスライブラリであり、柔軟で強力なドキュメントワークフローのためのORMスタイルの対話を提供します。

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 更新日時 2026-09-16 📅 作成日 2024-02-01
23
NanoNets/docstrange

インテリジェントな構造化データ抽出と高度なOCRにより、ドキュメント、画像、PDF、Wordドキュメント、PPT、またはURLからデータを複数の形式(Markdown、JSON、CSV、HTML)に抽出および変換します。

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 更新日時 2025-10-31 📅 作成日 2025-07-31
24
Topdu/OpenOCR

OpenOCR:汎用OCR研究・アプリケーション向けのオープンソースツールキットであり、統一されたトレーニングおよび評価ベンチマーク、商用レベルのOCRおよびドキュメントパースングシステム、そして広範な学術論文からのコア実装の忠実な再現を統合しています。

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 更新日時 2026-09-21 📅 作成日 2024-05-31
25
zstar1003/ragflow-plus

Ragflow-PlusはRagflowの二次開発バージョンであり、より簡潔で実用的になっています。

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 更新日時 2026-11-18 📅 作成日 2025-03-24
27
nlmatics/nlm-ingestor

このリポジトリは、llmsherpa API を接続するためのサーバーサイドコードを提供します。さまざまなファイル形式のパーサーが含まれています。

nlmatics
⭐ 1,282 Python 👤 nlmatics Organization 🕐 更新日時 2025-03-28 📅 作成日 2024-01-17
28
laramies/metagoofil

メタデータハーベスター

laramies
⭐ 1,201 Python 👤 laramies User 🕐 更新日時 2024-03-21 📅 作成日 2015-08-13
29
aiptimizer/TurboOCR

TurboOCR、>200 img/s OmnidocBench。TensorRT FP16、PP-OCRv6、HTTP + gRPC

aiptimizer
⭐ 1,162 C++ 👤 aiptimizer Organization 🕐 更新日時 2026-09-27 📅 作成日 2026-03-20
30
allenai/s2orc

S2ORC: Semantic Scholar オープン・リサーチ・コーパス: https://www.aclweb.org/anthology/2020.acl-main.447/

allenai
⭐ 996 Python 👤 allenai Organization 🕐 更新日時 2024-04-26 📅 作成日 2019-11-04
31
flyhunterl/flymd

高性能Markdownノートツール!無料AI、スマートメモ、TODOリマインダー、ローカル知識ベース、AI小説エンジン。PDF解析、自動音声ノート、音声からテキストへ。ミリ秒レベルの起動。

flyhunterl
⭐ 900 JavaScript 👤 flyhunterl User 🕐 更新日時 2026-07-22 📅 作成日 2025-10-24
32
freelawproject/x-ray

PDFに不適切な墨消しがあるかどうかを検出するツール

freelawproject
⭐ 837 Python 👤 freelawproject Organization 🕐 更新日時 2026-11-20 📅 作成日 2020-12-17
33
deep-diver/paper-reviewer

arXivの論文の包括的なレビューを生成し、それをブログ記事に変換します。このプロジェクトは、HuggingFaceのデイリーペーパー(https://huggingface.co/papers)の以下のウェブサイトを強化します。

deep-diver
⭐ 834 Python 👤 deep-diver User 🕐 更新日時 2025-02-20 📅 作成日 2024-10-21
34
FengZhenfei/carrel

AIエージェント向けオントロジー拡張生成。

FengZhenfei
⭐ 808 Python 👤 FengZhenfei User 🕐 更新日時 2026-11-17 📅 作成日 2026-09-28
36
Steven-Luo/MasteringRAG

エンタープライズRAGシステム:入門からマスターまで

Steven-Luo
⭐ 699 Jupyter Notebook 👤 Steven-Luo User 🕐 更新日時 2025-06-25 📅 作成日 2024-07-16
37
ggozad/haiku.rag

ローカルおよびセルフホスト型のドキュメント検索向けAgentic RAG:組み込みLanceDB上でのハイブリッド検索、再ランキング、マルチモーダルRAG、Doclingによる解析とMCPサーバー

ggozad
⭐ 665 Python 👤 ggozad User 🕐 更新日時 2026-11-20 📅 作成日 2024-10-13
38
run-llama/ParseBench

ParseBench - AIエージェント向け文書解析ベンチマーク

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-04-10
39
skygazer42/MimirQ

中国語優先の企業向けRAGナレッジベース:制御可能な解析、ガバナンス、チャンク分割、ハイブリッド検索、再ランキング、引用、ナレッジグラフ、評価、Dify連携。

skygazer42
⭐ 613 Python 👤 skygazer42 User 🕐 更新日時 2026-11-21 📅 作成日 2025-11-28
40
ankushshah89/python-docx2txt

docx ファイルからテキストと画像を抽出するための純粋な Python ベースのユーティリティ。

ankushshah89
⭐ 584 Python 👤 ankushshah89 User 🕐 更新日時 2025-03-24 📅 作成日 2015-10-28
41
fufankeji/DeepSeek-OCR-Web

すぐに使える DeepSeek OCRドキュメント解析 Web Studio

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 更新日時 2025-10-27 📅 作成日 2025-10-23
42
LeDat98/NexusRAG

ベクトル検索、ナレッジグラフ(LightRAG)、クロスエンコーダーによる再ランキングを組み合わせたハイブリッド RAG システム。Docling によるドキュメント解析、ビジュアルインテリジェンス(画像・表のキャプション生成)、エージェント型ストリーミングチャット、インライン引用に対応。Gemini またはローカルの Ollama モデルを利用します。

LeDat98
⭐ 533 Python 👤 LeDat98 User 🕐 更新日時 2026-04-20 📅 作成日 2026-03-15

よくある質問

1

GitHubで最も人気のある#document-parsingリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#document-parsingプロジェクトは、92,972個のスターを獲得しているPaddlePaddle/PaddleOCRです。あらゆるPDFや画像ドキュメントをAI用の構造化データに変換します。画像/PDFとLLMの間のギャップを埋める、パワフルで軽量なOCRツールキット。100以上の言語に対応しています。

2

#document-parsingリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#document-parsingプロジェクトでは、Python, TypeScript, Java, HTMLが最も一般的なプログラミング言語です。

3

#document-parsingリポジトリのランキングはどのように算出されていますか?

#document-parsingのタグが付いた42件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は356,240個で、リポジトリあたりの平均は8,481個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。