Git Stars Git Stars

#document-parsing 저장소

#document-parsing 태그가 지정된 GitHub의 활성 오픈 소스 저장소 42개를 확인해 보세요. 총 356,240개의 스타를 획득했으며 프로젝트당 평균 8,481개입니다. 이 주제를 이끄는 저장소는 92,972개의 스타를 받은 PaddlePaddle/PaddleOCR입니다.

42
총 리포지토리
356,240
총 별점
8,481
리포지토리당 평균 스타 수

저장소 총 42개

1
PaddlePaddle/PaddleOCR

어떤 PDF나 이미지 문서든 AI를 위한 구조화된 데이터로 전환하세요. 이미지/PDF와 LLM 사이의 간극을 연결하는 강력하고 가벼운 OCR 툴킷입니다. 100개 이상의 언어를 지원합니다.

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

생성형 AI를 위한 문서 준비

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

PDF를 높은 정확도로 Markdown + JSON으로 빠르게 변환

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

AI-ready 데이터용 PDF 파서. PDF 접근성 자동화. 오픈 소스.

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

문서를 구조화된 데이터로 손쉽게 변환하세요. Unstructured는 복잡한 문서를 언어 모델을 위한 깨끗하고 구조화된 형식으로 변환하는 오픈 소스 ETL 솔루션입니다. 프로덕션 등급 워크플로, 파티셔닝, 보강, 청킹 및 임베딩을 위한 엔터프라이즈급 플랫폼 제품에 대해 자세히 알아보려면 당사 웹사이트를 방문하십시오.

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

무엇이든 기반으로 한 질문과 답변.

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

전체 레이아웃으로 복잡한 표, 양식, 필기체를 처리하는 OCR 모델.

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

학술 문서를 위한 Nougat 신경 광학 이해(Neural Optical Understanding) 구현

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

단일 비전-언어 모델에서의 다국어 문서 레이아웃 파싱

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

경량 LMM 기반 문서 파싱 모델

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

docTR (Document Text Recognition) - 딥러닝 기반의 원활하고 고성능이며 접근하기 쉬운 OCR 관련 작업용 라이브러리입니다. t2k에서 지속적으로 개발 및 유지 관리하고 있습니다.

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

클라우드의 지식 에이전트 및 관리

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

NeMo Retriever Library는 확장 가능하고 성능 지향적인 문서 콘텐츠 및 메타데이터 추출 마이크로서비스입니다. NeMo Retriever Library는 특화된 NVIDIA NIM 마이크로서비스를 사용하여 다운스트림 생성형 애플리케이션에서 사용할 수 있는 텍스트, 표, 차트 및 이미지를 찾고, 맥락화하며, 추출합니다.

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

OCRFlux는 복잡한 레이아웃 처리, 까다로운 표 구문 분석 및 페이지 간 콘텐츠 병합에 탁월하며 PDF-to-Markdown 변환을 크게 발전시키는 가볍지만 강력한 멀티모달 툴킷입니다.

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

Llama 3.2 vision을 활용한 문서-마크다운 OCR 라이브러리

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

LandingAI의 Agentic Document Extraction (ADE) 공식 CLI — 터미널에서 문서를 구문 분석하고 스키마 형태의 데이터를 추출하세요

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

Windows용 그래픽 GREP 도구

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

[CVPR 2025] 문서 파싱 및 평가를 위한 종합 벤치마크

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

HunyuanOCR-1.5: 경량 OCR VLM을 더 빠르고 더 좋게 만들기

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

100만 파라미터 OCR 모델 — CPU에서 실행되며 Tesseract보다 15배 빠르고, 10억 개 이상의 파라미터를 가진 모델에 가까운 정확도를 제공합니다

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

ExtractThinker는 LLM을 위한 문서 인텔리전스 라이브러리로, 유연하고 강력한 문서 워크플로를 위한 ORM 스타일 상호 작용을 제공합니다.

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

지능형 구조화 데이터 추출 및 고급 OCR을 사용하여 모든 문서, 이미지, PDF, Word 문서, PPT 또는 URL에서 데이터를 여러 형식(Markdown, JSON, CSV, HTML)으로 추출하고 변환합니다.

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 업데이트됨 2025-10-31 📅 생성됨 2025-07-31
24
Topdu/OpenOCR

OpenOCR: 일반 OCR 연구 및 애플리케이션을 위한 오픈소스 도구킷으로, 통합된 훈련 및 평가 벤치마크, 상업용 수준의 OCR 및 문서 파싱 시스템, 그리고 광범위한 학술 논문에서 나온 핵심 구현의 충실한 재현을 통합합니다.

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 업데이트됨 2026-09-21 📅 생성됨 2024-05-31
25
zstar1003/ragflow-plus

Ragflow-Plus는 Ragflow의 2차 개발 버전으로, 더욱 간결하고 실용적입니다.

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

이 리포지토리는 llmsherpa API 연결을 위한 서버 측 코드를 제공합니다. 다양한 파일 형식에 대한 파서가 포함되어 있습니다.

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

메타데이터 수집기

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

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

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

S2ORC: 시맨틱 스칼러 오픈 연구 코퍼스: https://www.aclweb.org/anthology/2020.acl-main.447/

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

고성능 Markdown 노트 도구! 무료 AI, 스마트 메모, TODO 알림, 로컬 지식 베이스, AI 소설 엔진. PDF 파싱, 자동 음성 메모, 음성-텍스트 변환. 밀리초 단위로 시작。

flyhunterl
⭐ 900 JavaScript 👤 flyhunterl User 🕐 업데이트됨 2026-07-22 📅 생성됨 2025-10-24
32
freelawproject/x-ray

PDF에 잘못된 비공개 처리(redaction)가 있는지 감지하는 도구

freelawproject
⭐ 837 Python 👤 freelawproject Organization 🕐 업데이트됨 2026-11-20 📅 생성됨 2020-12-17
33
deep-diver/paper-reviewer

arXiv 논문을 종합적으로 검토한 후 블로그 게시물로 만드세요. 이 프로젝트는 HuggingFace의 일일 논문(https://huggingface.co/papers)을 위한 아래 웹사이트에 동력을 공급합니다.

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

AI 에이전트를 위한 온톨로지 증강 생성.

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

기업용 RAG 시스템: 입문부터 숙달까지

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

로컬 및 셀프 호스팅 문서 검색을 위한 에이전틱 RAG: 임베디드 LanceDB 기반 하이브리드 검색, 재순위화 및 멀티모달 RAG, Docling 파싱 및 MCP 서버 포함

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

ParseBench - AI 에이전트를 위한 문서 파싱 벤치마크

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

중국어 우선 기업용 RAG 지식베이스: 제어 가능한 파싱, 거버넌스, 청킹, 하이브리드 검색, 재순위화, 인용, 지식 그래프, 평가 및 Dify 연동.

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

docx 파일에서 텍스트와 이미지를 추출하는 순수 Python 기반 유틸리티.

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

바로 사용 가능한 DeepSeek OCR 문서 분석 웹 스튜디오

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

벡터 검색, 지식 그래프(LightRAG), 크로스 인코더 재순위를 결합한 하이브리드 RAG 시스템으로, Docling 문서 파싱, 시각 지능(이미지/표 캡션 생성), 에이전트 기반 스트리밍 채팅, 인라인 인용을 지원합니다. Gemini 또는 로컬 Ollama 모델을 기반으로 합니다.

LeDat98
⭐ 533 Python 👤 LeDat98 User 🕐 업데이트됨 2026-04-20 📅 생성됨 2026-03-15

자주 묻는 질문

1

GitHub에서 가장 인기 있는 #document-parsing 저장소는 무엇인가요?

GitHub에서 가장 높은 순위의 오픈 소스 #document-parsing 프로젝트는 92,972개의 스타를 받은 PaddlePaddle/PaddleOCR입니다. 어떤 PDF나 이미지 문서든 AI를 위한 구조화된 데이터로 전환하세요. 이미지/PDF와 LLM 사이의 간극을 연결하는 강력하고 가벼운 OCR 툴킷입니다. 100개 이상의 언어를 지원합니다.

2

#document-parsing 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?

GitHub에서 순위가 가장 높은 #document-parsing 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, TypeScript, Java, HTML입니다.

3

#document-parsing 저장소 순위는 어떻게 계산되나요?

#document-parsing 태그가 지정된 활성 오픈 소스 저장소(42개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 356,240개이며 저장소당 평균 8,481개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.