#pdf-parser Repositórios
Descubra 21 repositórios ativos de código aberto no GitHub marcados com #pdf-parser, acumulando um total de 321,543 estrelas (uma média de 15,311 por projeto). O líder deste tópico é PaddlePaddle/PaddleOCR, com 92,972 estrelas.
21 repositórios no total
Transforme qualquer documento PDF ou imagem em dados estruturados para sua IA. Um kit de ferramentas OCR poderoso e leve que preenche a lacuna entre imagens/PDFs e LLMs. Compatível com mais de 100 idiomas.
Transforma documentos complexos como PDFs e documentos do Office em markdown/JSON pronto para LLM para seus fluxos de trabalho Agentic.
Analisador de PDF para dados prontos para IA. Automatize a acessibilidade de PDF. Código aberto.
Biblioteca rápida em Rust para inspeção, classificação e extração de texto de PDF. Detecta inteligentemente PDFs digitalizados versus baseados em texto para permitir decisões de roteamento inteligentes.
Uma biblioteca PDF puramente em Python capaz de dividir, mesclar, cortar e transformar as páginas de arquivos PDF
O repositório oficial para “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.
O craft de PDF pode converter arquivos PDF em vários outros formatos. Este projeto se concentrará no processamento de arquivos PDF de livros escaneados.
yft-design é uma ferramenta de design online poderosa e visualmente impressionante, construída com Vue3, fabric.js e Element Plus. Uma versão de código aberto baseada em fabric.js do 【Gaoding Design】 (Design Perfeito). Uma ferramenta de design online bonita e poderosa com funções de design de pôsteres e edição de imagens. Adequada para vários cenários, como geração de pôsteres, produção de imagens de produtos de comércio eletrônico, design de imagens longas para artigos, edição de capas de vídeo/WeChat Official Account, etc.
Extração de dados não estruturados de forma rápida e eficiente. Escrito em Rust com ligações (bindings) para muitas linguagens.
Extraia e converta dados de qualquer documento, imagens, PDFs, documentos do Word, PPT ou URL para vários formatos (Markdown, JSON, CSV, HTML) com extração inteligente de dados estruturados e OCR avançado.
Servidor backend facilmente implantável e escalável que converte eficientemente vários formatos de documentos (pdf, docx, pptx, html, imagens, etc.) em Markdown. Com suporte para processamento tanto em CPU quanto em GPU, é ideal para fluxos de trabalho em larga escala, oferecendo extração de texto/tabela, OCR e processamento em lote com endpoints síncronos/assíncronos.
Transforme qualquer PDF de livro técnico em uma habilidade do Claude Code — pronto para estudar, consultar e usar enquanto você trabalha.
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.
Uma tela 2D de flutuação livre para processar vários arquivos PDF simultaneamente
API facilmente implementável 🚀 para converter PDF em markdown rapidamente com alta precisão.
Dedoc é uma biblioteca (serviço) para automatizar a análise de documentos e trazê-los para um formato uniforme. Ele extrai automaticamente conteúdo, estrutura lógica, tabelas e metainformações de documentos eletrônicos textuais. (Analisar documento; Extração de conteúdo de documento; Extração de estrutura lógica; Analisador de PDF; Analisador de documento digitalizado; Analisador de DOCX; Analisador de HTML
[ECCV 2026] Um framework baseado em difusão para OCR de documentos que substitui a decodificação autorregressiva pela decodificação de difusão paralela em nível de bloco.
Perguntas Frequentes
Qual é o repositório de #pdf-parser mais popular no GitHub?
O projeto de código aberto de #pdf-parser mais bem classificado no GitHub é PaddlePaddle/PaddleOCR, com 92,972 estrelas. Transforme qualquer documento PDF ou imagem em dados estruturados para sua IA. Um kit de ferramentas OCR poderoso e leve que preenche a lacuna entre imagens/PDFs e LLMs. Compatível com mais de 100 idiomas.
Quais linguagens de programação são mais usadas nos repositórios de #pdf-parser?
Entre os projetos de #pdf-parser mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Rust, TypeScript, Java.
Como é calculada a classificação dos repositórios de #pdf-parser?
Acompanhamos 21 repositórios ativos de código aberto marcados com #pdf-parser (com mais de 500 estrelas), totalizando 321,543 estrelas e uma média de 15,311 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.