Git Stars Git Stars

#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
Total de Repositórios
321,543
Total de estrelas
15,311
Média de Estrelas/Repositório
Linguagens de programação: Python Rust TypeScript Java

21 repositórios no total

1
PaddlePaddle/PaddleOCR

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.

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 Atualizado 2026-09-16 📅 Criado 2020-05-08
2
opendatalab/MinerU

Transforma documentos complexos como PDFs e documentos do Office em markdown/JSON pronto para LLM para seus fluxos de trabalho Agentic.

opendatalab
⭐ 84,093 Python 👤 opendatalab Organization 🕐 Atualizado 2026-11-20 📅 Criado 2024-02-29
3
datalab-to/marker

Converter PDF para markdown + JSON rapidamente e com alta precisão

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

Analisador de PDF para dados prontos para IA. Automatize a acessibilidade de PDF. Código aberto.

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 Atualizado 2026-11-20 📅 Criado 2025-05-13
5
firecrawl/pdf-inspector

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.

firecrawl
⭐ 20,082 Rust 👤 firecrawl Organization 🕐 Atualizado 2026-11-20 📅 Criado 2026-02-06
6
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
7
py-pdf/pypdf

Uma biblioteca PDF puramente em Python capaz de dividir, mesclar, cortar e transformar as páginas de arquivos PDF

py-pdf
⭐ 10,305 Python 👤 py-pdf Organization 🕐 Atualizado 2026-11-21 📅 Criado 2012-01-06
8
bytedance/Dolphin

O repositório oficial para “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.

bytedance
⭐ 9,065 Python 👤 bytedance Organization 🕐 Atualizado 2026-03-25 📅 Criado 2025-05-13
9
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
10
dromara/yft-design

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.

dromara
⭐ 1,678 TypeScript 👤 dromara Organization 🕐 Atualizado 2026-09-04 📅 Criado 2023-05-25
11
yobix-ai/extractous

Extração de dados não estruturados de forma rápida e eficiente. Escrito em Rust com ligações (bindings) para muitas linguagens.

yobix-ai
⭐ 1,660 Rust 👤 yobix-ai Organization 🕐 Atualizado 2024-12-21 📅 Criado 2024-06-04
12
NanoNets/docstrange

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.

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 Atualizado 2025-10-31 📅 Criado 2025-07-31
13
drmingler/docling-api

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.

drmingler
⭐ 1,511 Python 👤 drmingler User 🕐 Atualizado 2026-08-04 📅 Criado 2024-11-05
14
Leutenegger/book-to-skill

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

Leutenegger
⭐ 1,227 Python 👤 Leutenegger User 🕐 Atualizado 2026-08-14 📅 Criado 2026-08-13
15
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
16
AlexandrosGounis/pdfx

Uma tela 2D de flutuação livre para processar vários arquivos PDF simultaneamente

AlexandrosGounis
⭐ 1,093 TypeScript 👤 AlexandrosGounis User 🕐 Atualizado 2026-09-19 📅 Criado 2026-06-24
17
adithya-s-k/marker-api

API facilmente implementável 🚀 para converter PDF em markdown rapidamente com alta precisão.

adithya-s-k
⭐ 928 Python 👤 adithya-s-k User 🕐 Atualizado 2024-10-15 📅 Criado 2024-05-10
18
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
19
Prismer-AI/Prismer

Garra de Pesquisa de Código Aberto

Prismer-AI
⭐ 781 TypeScript 👤 Prismer-AI Organization 🕐 Atualizado 2026-06-24 📅 Criado 2026-01-28
20
ispras/dedoc

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

ispras
⭐ 739 Python 👤 ispras Organization 🕐 Atualizado 2026-11-09 📅 Criado 2020-12-07
21
opendatalab/MinerU-Diffusion

[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.

opendatalab
⭐ 624 Python 👤 opendatalab Organization 🕐 Atualizado 2026-06-18 📅 Criado 2026-03-13

Perguntas Frequentes

1

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.

2

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.

3

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.