Git Stars Git Stars

#data-extraction Repositórios

131
Total de Repositórios
729,329
Total de estrelas
5,567
Média de Estrelas/Repositório

131 repositórios no total

101
developersdigest/llm-api-engine

Crie e implemente APIs com inteligência artificial em segundos

developersdigest
⭐ 755 TypeScript 👤 developersdigest User 🕐 Atualizado 2025-02-03 📅 Criado 2025-01-24
102
polyrabbit/hacker-news-digest

📰 Deixe um LLM resumir o Hacker News para você

polyrabbit
⭐ 754 Python 👤 polyrabbit User 🕐 Atualizado 2026-11-21 📅 Criado 2014-09-17
103
ScrapeGraphAI/scrapecraft

Editor de web scraping com tecnologia de IA e construtor de fluxo de trabalho visual. Crie, teste e implemente web scrapers usando linguagem natural. Desenvolvido por ScrapeGraphAI e LangGraph.

ScrapeGraphAI
⭐ 731 Python 👤 ScrapeGraphAI Organization 🕐 Atualizado 2025-12-26 📅 Criado 2025-07-01
104
kovidgoyal/html5-parser

Análise rápida de HTML 5 baseada em C para Python

kovidgoyal
⭐ 710 C 👤 kovidgoyal User 🕐 Atualizado 2026-09-20 📅 Criado 2017-06-03
105
adrienjoly/npm-pdfreader

🚜 Analisa texto e tabelas de arquivos PDF.

adrienjoly
⭐ 703 HTML 👤 adrienjoly User 🕐 Atualizado 2026-01-21 📅 Criado 2015-03-05
106
ndl-lab/ndlocr_cli

Repositório da aplicação NDLOCR (incluindo o código fonte)

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 Atualizado 2026-01-05 📅 Criado 2022-03-30
107
allenai/science-parse

Science Parse analisa artigos científicos (em formato PDF) e os retorna em formato estruturado.

allenai
⭐ 686 Java 👤 allenai Organization 🕐 Atualizado 2024-05-26 📅 Criado 2015-08-19
108
ladislav-zezula/StormLib

Repositório oficial do GitHub da biblioteca StormLib criada por Ladislav Zezula (autor)

ladislav-zezula
⭐ 668 C 👤 ladislav-zezula User 🕐 Atualizado 2026-11-18 📅 Criado 2013-01-11
109
adamschwartz/web.scraper.workers.dev

Extraia texto de sites usando seletor CSS.

adamschwartz
⭐ 658 JavaScript 👤 adamschwartz User 🕐 Atualizado 2024-02-14 📅 Criado 2019-10-10
110
yanzhou/CnkiSpider

Web Crawler do CNKI

yanzhou
⭐ 653 Python 👤 yanzhou User 🕐 Atualizado 2025-03-08 📅 Criado 2014-11-05
111
getomni-ai/benchmark

Benchmark de OCR

getomni-ai
⭐ 639 TypeScript 👤 getomni-ai Organization 🕐 Atualizado 2025-10-21 📅 Criado 2024-12-16
112
dzhng/zod-gpt

Obtenha saídas JSON estruturadas, totalmente tipadas e validadas de modelos OpenAI e Anthropic.

dzhng
⭐ 629 TypeScript 👤 dzhng User 🕐 Atualizado 2024-04-26 📅 Criado 2023-06-26
113
mac4n6/APOLLO

Apple Pattern of Life Lazy Output'er

mac4n6
⭐ 627 Python 👤 mac4n6 User 🕐 Atualizado 2024-02-25 📅 Criado 2018-11-04
114
jrmuizel/pdf-extract

Uma biblioteca Rust para extrair conteúdo de PDFs

jrmuizel
⭐ 604 Rust 👤 jrmuizel User 🕐 Atualizado 2026-09-16 📅 Criado 2017-02-01
115
ScrapingBee/google-reviews-scraper

Integração da API de Avaliações do Google e um raspador escalável de Avaliações do Google para extrair classificações, texto de avaliações e insights de negócios do Google Maps usando uma API de Avaliação do Google estruturada.

ScrapingBee
⭐ 601 👤 ScrapingBee Organization 🕐 Atualizado 2026-02-20 📅 Criado 2026-02-19
116
Kakulukian/youtube-transcript

Obter transcrição de um vídeo do YouTube

Kakulukian
⭐ 590 TypeScript 👤 Kakulukian User 🕐 Atualizado 2026-04-25 📅 Criado 2020-09-26
117
samacs/simple_html_dom

Apenas um fork da biblioteca HTML DOM simples. (http://simplehtmldom.sourceforge.net/)

samacs
⭐ 587 HTML 👤 samacs User 🕐 Atualizado 2024-05-15 📅 Criado 2012-09-23
118
tbvdm/sigtop

Exportar mensagens do Signal Desktop

tbvdm
⭐ 585 Go 👤 tbvdm User 🕐 Atualizado 2026-09-14 📅 Criado 2021-03-10
119
Ormicron/chatViewTool

Visualizador gráfico para descriptografia de histórico de chat do WeChat implementado em Java

Ormicron
⭐ 584 👤 Ormicron User 🕐 Atualizado 2024-05-20 📅 Criado 2022-06-16
121
mrshu/github-statuses

A "Página de status ausente do GitHub" -- uma tentativa via Flat Data de documentar historicamente os status do GitHub

mrshu
⭐ 578 JavaScript 👤 mrshu User 🕐 Atualizado 2026-11-21 📅 Criado 2022-06-11
122
itstyren/CNKI-download

:frog: Web Scraper para baixar e visualizar rapidamente artigos da CNKI (Web Scraper para Extração de Dados)

itstyren
⭐ 578 Python 👤 itstyren User 🕐 Atualizado 2024-11-18 📅 Criado 2018-12-13
123
vakra-dev/reader

Infraestrutura web de código aberto para IA. Raspe, rastreie e automatize a web, limpe markdown, sessões de navegador, pronto para seus agentes.

vakra-dev
⭐ 577 TypeScript 👤 vakra-dev Organization 🕐 Atualizado 2026-10-06 📅 Criado 2026-01-07
124
jpjacobpadilla/Stealth-Requests

Web-scraping indetectável e análise de HTML perfeita em Python!

jpjacobpadilla
⭐ 570 Python 👤 jpjacobpadilla User 🕐 Atualizado 2026-09-19 📅 Criado 2024-08-04
125
bawadou/ai-data-extractor

Extrator gratuito e de código aberto para históricos de conversas de assistentes de programação com IA. Compatível com Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code e muito mais.

bawadou
⭐ 555 Python 👤 bawadou User 🕐 Atualizado 2026-09-07 📅 Criado 2026-08-16
126
conjuncts/gmft

Extração de tabelas profunda, leve e eficiente

conjuncts
⭐ 544 Python 👤 conjuncts User 🕐 Atualizado 2026-07-24 📅 Criado 2024-06-08
127
poloclub/unitable

Workshop NeurIPS'24 - UniTable: Rumo a um modelo fundacional unificado para tabelas

poloclub
⭐ 537 Jupyter Notebook 👤 poloclub Organization 🕐 Atualizado 2026-04-21 📅 Criado 2024-01-09
128
xd20111/inshackle

Truques do Instagram: Acompanhe quem deixou de seguir, aumente seus seguidores, baixe Stories, etc.

xd20111
⭐ 535 Shell 👤 xd20111 User 🕐 Atualizado 2024-03-12 📅 Criado 2019-03-03
129
jatechan/ai-data-extractor

Extrator gratuito e de código aberto de históricos de conversas de assistentes de programação com IA. Compatível com Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code e outros

jatechan
⭐ 526 Python 👤 jatechan User 🕐 Atualizado 2026-10-20 📅 Criado 2026-10-11
130
oxylabs/web-scraper-api

API completa de web scraping para extração de dados em tempo real e em grande escala: proxies, gerenciamento de CAPTCHA, renderização de JavaScript e análise em uma única solicitação, com retorno em HTML ou JSON estruturado.

oxylabs
⭐ 503 👤 oxylabs Organization 🕐 Atualizado 2026-10-01 📅 Criado 2026-06-05