Git Stars Git Stars

#document-processing Repositórios

Descubra 65 repositórios ativos de código aberto no GitHub marcados com #document-processing, acumulando um total de 214,351 estrelas (uma média de 3,297 por projeto). O líder deste tópico é virgiliojr94/book-to-skill, com 38,623 estrelas.

65
Total de Repositórios
214,351
Total de estrelas
3,297
Média de Estrelas/Repositório

65 repositórios no total

1
virgiliojr94/book-to-skill

Transforme qualquer PDF de livro técnico em uma habilidade Claude Code — pronta para estudar, consultar e usar enquanto você trabalha.

virgiliojr94
⭐ 38,623 Python 👤 virgiliojr94 User 🕐 Atualizado 2026-11-19 📅 Criado 2026-05-01
2
storytold/pdfcraft

PdfCraft: um leitor e editor de PDF de código aberto, escrito do zero em Rust puro

storytold
⭐ 21,378 Rust 👤 storytold Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-09-30
3
rocketride-org/rocketride-server

RocketRide é um meta-harness de IA de código aberto com o único runtime de nível empresarial desenvolvido em C++. Crie, teste e publique agentes duráveis que escalam em produção.

rocketride-org
⭐ 20,003 Python 👤 rocketride-org Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-02-11
4
allenai/olmocr

Ferramenta para linearizar PDFs para conjuntos de dados/treinamento de LLM

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 Atualizado 2026-03-25 📅 Criado 2024-09-17
5
run-llama/liteparse

Um analisador de documentos rápido, útil e de código aberto

run-llama
⭐ 13,074 Rust 👤 run-llama Organization 🕐 Atualizado 2026-11-20 📅 Criado 2026-02-09
6
BehiSecc/awesome-claude-skills

Uma lista selecionada de Habilidades do Claude.

BehiSecc
⭐ 10,463 👤 BehiSecc User 🕐 Atualizado 2026-11-02 📅 Criado 2025-10-17
7
oomol-lab/pdf-craft

O craft de PDF pode converter arquivos PDF em vários outros formatos. Este projeto se concentrará no processamento de arquivos PDF de livros escaneados.

oomol-lab
⭐ 6,787 Python 👤 oomol-lab Organization 🕐 Atualizado 2026-11-20 📅 Criado 2025-02-12
8
OpenSenseNova/SenseNova-Skills

Habilidades modulares SenseNova para criar assistentes de escritório e fluxos de trabalho de produtividade baseados em IA

OpenSenseNova
⭐ 6,102 JavaScript 👤 OpenSenseNova Organization 🕐 Atualizado 2026-11-13 📅 Criado 2026-04-14
9
python-openxml/python-docx

Criar e modificar documentos do Word com Python

python-openxml
⭐ 5,777 Python 👤 python-openxml Organization 🕐 Atualizado 2026-08-01 📅 Criado 2013-10-15
10
going-doer/Paper2Code

Paper2Code: Automatizando a Geração de Código a Partir de Artigos Científicos em Aprendizado de Máquina

going-doer
⭐ 5,044 Python 👤 going-doer User 🕐 Atualizado 2026-03-25 📅 Criado 2025-04-25
11
ucbepic/docetl

Um sistema baseado em agentes para processamento de dados e ETL, impulsionado por LLM.

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 Atualizado 2026-11-17 📅 Criado 2024-07-09
12
ArtifexSoftware
⭐ 3,066 C 👤 ArtifexSoftware Organization 🕐 Atualizado 2026-11-19 📅 Criado 2015-06-24
13
wxyhgk/retain-pdf

Tradução de PDF mantendo layout, fórmulas e estrutura, adequado para documentos científicos e técnicos

wxyhgk
⭐ 2,734 Python 👤 wxyhgk User 🕐 Atualizado 2026-11-10 📅 Criado 2026-03-29
14
ctripcorp/C-OCR

C-OCR é um projeto de OCR desenvolvido internamente pela Ctrip, que inclui principalmente o reconhecimento de documentos e materiais relacionados a viagens, como carteiras de identidade, passaportes, passagens de trem e vistos. O projeto é composto por 4 partes: rejeição de reconhecimento, detecção, reconhecimento e pós-processamento.

ctripcorp
⭐ 2,467 Java 👤 ctripcorp Organization 🕐 Atualizado 2024-02-14 📅 Criado 2019-04-11
15
tesseract-ocr/tessdoc

Documentação do Tesseract

tesseract-ocr
⭐ 2,462 HTML 👤 tesseract-ocr Organization 🕐 Atualizado 2026-11-16 📅 Criado 2020-01-30
17
shcherbak-ai/contextgem

Extraia dados estruturados e insights de documentos usando modelos de linguagem de grande porte e modelos de decisão

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-10-11
18
pmaupin/pdfrw

pdfrw é uma biblioteca Python pura que lê e grava PDFs

pmaupin
⭐ 1,912 Python 👤 pmaupin User 🕐 Atualizado 2024-04-29 📅 Criado 2015-05-30
19
WASasquatch/was-node-suite-comfyui

WAS-NS v3 Reborn; ferramentas para processamento de imagens, filtros, máscaras, texto, lógica, números, variáveis latentes, arquivos, cenas 3D e animação.

WASasquatch
⭐ 1,899 Python 👤 WASasquatch User 🕐 Atualizado 2026-11-19 📅 Criado 2023-03-24
20
syncfusion/flutter-widgets

As bibliotecas de widgets Syncfusion Flutter incluem widgets de interface do usuário de alta qualidade e pacotes de formato de arquivo para ajudá-lo a criar aplicativos ricos e de alta qualidade para iOS, Android e web a partir de uma única base de código.

syncfusion
⭐ 1,787 Dart 👤 syncfusion Organization 🕐 Atualizado 2026-11-03 📅 Criado 2020-10-01
21
nguyenq/tess4j

Wrapper Java JNA para a API Tesseract OCR

nguyenq
⭐ 1,755 Java 👤 nguyenq User 🕐 Atualizado 2026-11-07 📅 Criado 2014-06-25
22
itext/itextpdf

[DESCONTINUADO] Biblioteca Java principal + PDF/A, xtra e XML Worker. Apenas correções de segurança serão adicionadas — por favor, use iText 7

itext
⭐ 1,680 Java 👤 itext Organization 🕐 Atualizado 2026-11-17 📅 Criado 2013-12-03
23
GongRzhe/Office-Word-MCP-Server

Um servidor do Protocolo de Contexto de Modelo (MCP) para a criação, leitura e manipulação de documentos do Microsoft Word. Este servidor permite que assistentes de IA trabalhem com documentos do Word através de uma interface padronizada, oferecendo recursos avançados de edição de documentos.

GongRzhe
⭐ 1,672 Python 👤 GongRzhe User 🕐 Atualizado 2025-12-31 📅 Criado 2025-03-25
24
enoch3712/ExtractThinker

ExtractThinker é uma biblioteca de Document Intelligence para LLMs, oferecendo interação estilo ORM para fluxos de trabalho de documentos flexíveis e poderosos.

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 Atualizado 2026-09-16 📅 Criado 2024-02-01
25
Topdu/OpenOCR

OpenOCR: Um conjunto de ferramentas de código aberto para pesquisa e aplicações gerais de OCR, integra um benchmark unificado de treinamento e avaliação, sistemas OCR e de processamento de documentos de nível comercial, e reproduções fiel das implementações principais de uma ampla gama de artigos acadêmicos.

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 Atualizado 2026-09-21 📅 Criado 2024-05-31
26
tjmlabs/ColiVara

Colivara é um conjunto de serviços que permite armazenar, pesquisar e recuperar documentos com base em seu embedding visual. ColiVara tem desempenho de recuperação de ponta em documentos de texto e visuais. usando modelos de visão em vez de divisão e processamento de texto para documentos. Sem OCR, sem extração de texto, sem tabelas quebradas ou imagens ausentes.

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 Atualizado 2026-07-08 📅 Criado 2024-09-21
27
egoist/chatwise-releases

O Chatbot de IA mais rápido para qualquer LLM

egoist
⭐ 1,373 TypeScript 👤 egoist User 🕐 Atualizado 2026-07-01 📅 Criado 2024-11-05
28
huridocs/pdf-document-layout-analysis

Um serviço com tecnologia Docker para análise de layout de documentos PDF. Este serviço fornece um serviço de análise de PDF poderoso e flexível. O serviço permite a segmentação e classificação de diferentes partes das páginas PDF, identificando elementos como textos, títulos, imagens, tabelas e assim por diante.

huridocs
⭐ 1,366 Python 👤 huridocs Organization 🕐 Atualizado 2026-10-29 📅 Criado 2024-05-06
29
danvergara/morphos

Servidor de conversão de arquivos auto-hospedado

danvergara
⭐ 1,314 Go 👤 danvergara User 🕐 Atualizado 2024-11-16 📅 Criado 2023-10-08
30
empira/PDFsharp-1.5

Uma biblioteca .NET para processamento de PDF

empira
⭐ 1,300 C# 👤 empira Organization 🕐 Atualizado 2024-01-25 📅 Criado 2015-12-16
31
ssine/pptx2md

um conversor de pptx para markdown

ssine
⭐ 1,279 Python 👤 ssine User 🕐 Atualizado 2026-04-21 📅 Criado 2018-11-02
32
yfedoseev/pdf_oxide

A biblioteca PDF mais rápida para Python e Rust. Extração de texto, extração de imagens, conversão para markdown, criação e edição de PDF. Média de 0.8 ms, 5× mais rápida que os líderes da indústria, taxa de aprovação de 100% em 3.830 PDFs. MIT/Apache-2.0.

yfedoseev
⭐ 1,205 Rust 👤 yfedoseev User 🕐 Atualizado 2026-11-21 📅 Criado 2025-11-05
34
DonTizi/rlama

Uma poderosa ferramenta de IA de perguntas e respostas sobre documentos que se conecta aos seus modelos Ollama locais. Crie, gerencie e interaja com sistemas RAG para todas as suas necessidades de documentos.

DonTizi
⭐ 1,096 Go 👤 DonTizi User 🕐 Atualizado 2025-08-09 📅 Criado 2025-03-05
35
ocrbase-hq/ocrbase

📄 PDF -> .MD/.JSON API & SDK para PaddleOCR-VL com extração de dados estruturados. Auto-hospedável.

ocrbase-hq
⭐ 990 TypeScript 👤 ocrbase-hq Organization 🕐 Atualizado 2026-04-13 📅 Criado 2026-01-20
36
mudler/LocalRecall

:brain: Camada de Memória Local 100% e Base de Conhecimento para agentes com Interface Web

mudler
⭐ 987 Go 👤 mudler User 🕐 Atualizado 2026-11-02 📅 Criado 2025-02-12
⭐ 964 Python 👤 Unstructured-IO Organization 🕐 Atualizado 2026-11-18 📅 Criado 2022-12-09
38
docling-project/docling-graph

Transforme documentos não estruturados em grafos de conhecimento validados, ricos e consultáveis.

docling-project
⭐ 947 Python 👤 docling-project Organization 🕐 Atualizado 2026-11-16 📅 Criado 2025-11-17
40
eclaire-labs/eclaire

Assistente de IA local e de código aberto para seus dados. Unifique tarefas, notas, documentos, fotos e favoritos. Privado, auto-hospedado e extensível via APIs.

eclaire-labs
⭐ 925 TypeScript 👤 eclaire-labs Organization 🕐 Atualizado 2026-11-08 📅 Criado 2025-09-02
41
superagent-ai/reag

Geração Aumentada por Raciocínio

superagent-ai
⭐ 903 Python 👤 superagent-ai Organization 🕐 Atualizado 2025-07-15 📅 Criado 2025-02-02
42
LaurenzV/hayro

Um conjunto de crates Rust para analisar, interpretar e renderizar arquivos PDF.

LaurenzV
⭐ 879 Rust 👤 LaurenzV User 🕐 Atualizado 2026-11-19 📅 Criado 2025-04-22
43
mahonelau/-kykms

KY KMS (KeYi Knowledge Base) é um sistema de gerenciamento de base de conhecimento do tipo documento baseado em Elasticsearch, oferecendo poderosas funcionalidades de pesquisa de texto completo e gerenciamento de classificação de documentos.

mahonelau
⭐ 853 Java 👤 mahonelau User 🕐 Atualizado 2026-03-11 📅 Criado 2022-03-27
44
ngafar/llama-scan

Transcrever PDFs com LLMs locais

ngafar
⭐ 807 Python 👤 ngafar User 🕐 Atualizado 2026-10-22 📅 Criado 2025-06-11
45
pbcquoc/vietocr

Transformer OCR

pbcquoc
⭐ 774 Jupyter Notebook 👤 pbcquoc User 🕐 Atualizado 2025-01-19 📅 Criado 2020-05-08
46
ihatecsv/deepseek-ocr-client

Uma GUI desktop baseada em Electron em tempo real para DeepSeek-OCR

ihatecsv
⭐ 770 JavaScript 👤 ihatecsv User 🕐 Atualizado 2025-12-24 📅 Criado 2025-10-22
47
coherentgraphics/cpdf-binaries

Binários de Ferramentas de Linha de Comando de PDF para Linux, Mac, Windows

coherentgraphics
⭐ 741 HTML 👤 coherentgraphics Organization 🕐 Atualizado 2026-11-04 📅 Criado 2013-08-15
48
abatsakidis/PDFDeSecure

Um Desbloqueador de PDF fácil de usar. Remova a proteção de cópia de arquivos PDF.

abatsakidis
⭐ 733 C# 👤 abatsakidis User 🕐 Atualizado 2026-07-28 📅 Criado 2018-04-13
49
dawbarton/pdf2svg

Um conversor simples de PDF para SVG usando as bibliotecas Poppler e Cairo

dawbarton
⭐ 715 Shell 👤 dawbarton User 🕐 Atualizado 2025-03-07 📅 Criado 2013-07-18
50
pandoc/lua-filters

Uma coleção de filtros lua para pandoc

pandoc
⭐ 677 Lua 👤 pandoc Organization 🕐 Atualizado 2025-12-01 📅 Criado 2017-11-21

Perguntas Frequentes

1

Qual é o repositório de #document-processing mais popular no GitHub?

O projeto de código aberto de #document-processing mais bem classificado no GitHub é virgiliojr94/book-to-skill, com 38,623 estrelas. Transforme qualquer PDF de livro técnico em uma habilidade Claude Code — pronta para estudar, consultar e usar enquanto você trabalha.

2

Quais linguagens de programação são mais usadas nos repositórios de #document-processing?

Entre os projetos de #document-processing mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Rust, Java, TypeScript.

3

Como é calculada a classificação dos repositórios de #document-processing?

Acompanhamos 65 repositórios ativos de código aberto marcados com #document-processing (com mais de 500 estrelas), totalizando 214,351 estrelas e uma média de 3,297 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.