Git Stars Git Stars

#text-extraction リポジトリ

#text-extractionのタグが付いた、GitHub上の27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101,655個で、プロジェクトあたりの平均は3,765個です。このトピックをリードしているのは、20,082個のスターを獲得しているfirecrawl/pdf-inspectorです。

27
リポジトリ総数
101,655
合計スター数
3,765
リポジトリあたりの平均スター数

リポジトリ合計27件

1
firecrawl/pdf-inspector

PDFの検査、分類、テキスト抽出のための高速Rustライブラリ。スキャンPDFとテキストベースPDFをインテリジェントに検出し、スマートなルーティング決定を可能にします。

firecrawl
⭐ 20,082 Rust 👤 firecrawl Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-02-06
2
allenai/olmocr

LLMデータセット/トレーニングのためのPDF線形化ツールキット

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 更新日時 2026-03-25 📅 作成日 2024-09-17
3
run-llama/liteparse

高速で役立つオープンソースのドキュメントパーサー

run-llama
⭐ 13,074 Rust 👤 run-llama Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-02-09
4
xberg-io/xberg

あらゆる言語に対応する高速・高精度なドキュメントインテリジェンスエンジン。100種類以上の形式からテキスト、表、メタデータを抽出し、OCR、文字起こし、コードインテリジェンスも提供します。

xberg-io
⭐ 9,606 Rust 👤 xberg-io Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-01-31
5
adbar/trafilatura

Webからテキストとメタデータを収集するためのPythonおよびコマンドラインツール:クローリング、スクラッピング、抽出、CSV、JSON、HTML、MD、TXT、XMLとして出力

adbar
⭐ 7,157 Python 👤 adbar User 🕐 更新日時 2026-11-20 📅 作成日 2019-04-08
6
oomol-lab/pdf-craft

PDF craftはPDFファイルを様々な他の形式に変換できます。このプロジェクトは、スキャンされた書籍のPDFファイルを処理することに焦点を当てます。

oomol-lab
⭐ 6,787 Python 👤 oomol-lab Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-02-12
7
miso-belica/sumy

テキストドキュメントとHTMLページの自動要約モジュール。

miso-belica
⭐ 3,700 Python 👤 miso-belica User 🕐 更新日時 2026-11-11 📅 作成日 2013-02-20
8
unidoc/unipdf

PDFファイルの作成と処理のためのGolang PDFライブラリ(純粋なGo)

unidoc
⭐ 3,137 Go 👤 unidoc Organization 🕐 更新日時 2026-10-20 📅 作成日 2019-05-16
9
schappim/macOCR

画面上のあらゆるテキストをクリップボードにコピーします。

schappim
⭐ 2,443 Swift 👤 schappim User 🕐 更新日時 2026-09-04 📅 作成日 2021-05-19
10
nguyenq/tess4j

Tesseract OCR API用Java JNAラッパー

nguyenq
⭐ 1,755 Java 👤 nguyenq User 🕐 更新日時 2026-11-07 📅 作成日 2014-06-25
11
chrismattmann/tika-python

Tika-PythonはApache Tika™ RESTサービスへのPythonバインディングであり、PythonコミュニティでTikaをネイティブに呼び出すことができます。

chrismattmann
⭐ 1,674 Python 👤 chrismattmann User 🕐 更新日時 2026-11-10 📅 作成日 2014-06-26
12
yfedoseev/pdf_oxide

PythonとRustのための最速PDFライブラリ。テキスト抽出、画像抽出、マークダウン変換、PDF作成・編集。平均0.8ms、業界リーダーより5倍速く、3,830 PDFで100%合格率。MIT/Apache-2.0.

yfedoseev
⭐ 1,205 Rust 👤 yfedoseev User 🕐 更新日時 2026-11-21 📅 作成日 2025-11-05
13
m417z/Textify

Windows用のツールで、通常はコピーできないダイアログやコントロールからテキストをコピーする

m417z
⭐ 1,122 C++ 👤 m417z User 🕐 更新日時 2026-04-13 📅 作成日 2018-03-04
14
Lulzx/zpdf

Zigで書かれたゼロコピーPDFテキスト抽出ライブラリ。SIMDアクセラレーションによる高性能なメモリマップド解析。

Lulzx
⭐ 925 Zig 👤 Lulzx User 🕐 更新日時 2026-08-13 📅 作成日 2025-12-30
⭐ 900 👤 golangboy User 🕐 更新日時 2025-03-25 📅 作成日 2025-03-24
16
yigitkonur/api-llm-ocr

視覚LLMを使ってPDFをMarkdownに変換 — テーブル、レイアウト、構造を維持

yigitkonur
⭐ 900 Python 👤 yigitkonur User 🕐 更新日時 2026-02-21 📅 作成日 2024-09-22
17
xberg-io/html-to-markdown

実際の雑然としたHTMLを、あらゆる主要言語でクリーンなMarkdownに変換します。

xberg-io
⭐ 889 HTML 👤 xberg-io Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-02-03
18
miso-belica/jusText

ヒューリスティックベースのボイラープレート除去ツール

miso-belica
⭐ 832 Python 👤 miso-belica User 🕐 更新日時 2026-10-21 📅 作成日 2013-02-10
19
ICIJ/datashare

ドキュメント用のセルフホスト型検索エンジン

ICIJ
⭐ 783 Java 👤 ICIJ Organization 🕐 更新日時 2026-11-20 📅 作成日 2016-04-20
20
Doriandarko/RepoToTextForLLMs

RepoToTextForLLMsを使用して、LLM用のGitHubリポジトリの分析を自動化します。README、構造、およびバイナリ以外のファイルを効率的に取得します。出力には、包括的なリポジトリ評価を支援するための分析プロンプトが含まれます。

Doriandarko
⭐ 779 Python 👤 Doriandarko User 🕐 更新日時 2024-05-21 📅 作成日 2024-03-11
21
raghavan/PdfGptIndexer

OpenAI APIとFAISS(Facebook AI Similarity Search)インデックスを使用してPDFテキストデータのインデックス作成と検索を行うRAGベースのツールで、迅速な情報検索と優れた検索精度を実現するように設計されています。

raghavan
⭐ 677 Python 👤 raghavan User 🕐 更新日時 2025-11-02 📅 作成日 2023-07-07
22
auto-i18n/auto-i18n-translation-plugins

フロントエンド自動翻訳。Youdao/Google/Baidu/カスタム翻訳をサポート。webpack/vite/rollup/rsbuildと互換性があり、JSにコンパイルされるすべてのフレームワークに対応、補間、名前空間などをサポートし、ワンクリックでプロジェクトを翻訳するのに役立ちます。

auto-i18n
⭐ 611 Vue 👤 auto-i18n Organization 🕐 更新日時 2026-02-01 📅 作成日 2023-09-04
23
jrmuizel/pdf-extract

PDFからコンテンツを抽出するためのRustライブラリ

jrmuizel
⭐ 604 Rust 👤 jrmuizel User 🕐 更新日時 2026-09-16 📅 作成日 2017-02-01
24
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
25
ropensci/pdftools

PDFドキュメントのテキスト抽出、レンダリングおよび変換

ropensci
⭐ 555 C++ 👤 ropensci Organization 🕐 更新日時 2026-08-30 📅 作成日 2016-02-23
26
cdown/srt

SRTファイルを解析、変更、および構成するためのシンプルなライブラリとツールのセット。

cdown
⭐ 528 Python 👤 cdown User 🕐 更新日時 2024-03-19 📅 作成日 2014-12-28
27
JoshData/pdf-diff

Python で実装されたPDF比較ユーティリティ。

JoshData
⭐ 527 Python 👤 JoshData User 🕐 更新日時 2026-02-08 📅 作成日 2014-06-09

よくある質問

1

GitHubで最も人気のある#text-extraction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#text-extractionプロジェクトは、20,082個のスターを獲得しているfirecrawl/pdf-inspectorです。PDFの検査、分類、テキスト抽出のための高速Rustライブラリ。スキャンPDFとテキストベースPDFをインテリジェントに検出し、スマートなルーティング決定を可能にします。

2

#text-extraction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#text-extractionプロジェクトでは、Python, Rust, Java, C++が最も一般的なプログラミング言語です。

3

#text-extraction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?

#text-extractionのタグが付いた27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101,655個で、リポジトリあたりの平均は3,765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。