Git Stars Git Stars

#text-cleaning Repositórios

Descubra 6 repositórios ativos de código aberto no GitHub marcados com #text-cleaning, acumulando um total de 20,035 estrelas (uma média de 3,339 por projeto). O líder deste tópico é adbar/trafilatura, com 7,157 estrelas.

6
Total de Repositórios
20,035
Total de estrelas
3,339
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook

6 repositórios no total

1
adbar/trafilatura

Ferramenta Python e de linha de comando para coletar texto e metadados da Web: Rastreamento, raspagem, extração, com saída em CSV, JSON, HTML, MD, TXT, XML

adbar
⭐ 7,157 Python 👤 adbar User 🕐 Atualizado 2026-11-20 📅 Criado 2019-04-08
2
WikiExtractor/wikiextractor

Uma ferramenta para extrair texto simples de despejos da Wikipédia

WikiExtractor
⭐ 4,007 Python 👤 WikiExtractor Organization 🕐 Atualizado 2026-10-19 📅 Criado 2015-03-22
3
rspeer/python-ftfy

Corrige mojibake e outros problemas em texto Unicode, após o fato.

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 Atualizado 2024-10-30 📅 Criado 2012-08-24
4
blmoistawinde/HarvestText

Ferramentas de mineração e pré-processamento de texto (limpeza de texto, descoberta de novas palavras, análise de sentimento, ligação de reconhecimento de entidade, extração de palavras-chave, extração de conhecimento, análise sintática, etc.), métodos não supervisionados ou fracamente supervisionados

blmoistawinde
⭐ 2,592 Python 👤 blmoistawinde User 🕐 Atualizado 2024-05-13 📅 Criado 2018-11-19
5
wisupai/e2m

O E2M converte vários tipos de arquivo (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) para Markdown. É fácil de instalar, com parsers e conversores dedicados, suportando configurações personalizadas. O E2M oferece uma solução tudo-em-um, flexível e de código aberto.

wisupai
⭐ 1,246 Jupyter Notebook 👤 wisupai Organization 🕐 Atualizado 2024-09-08 📅 Criado 2024-08-04
6
jfilter/clean-text

🧹 Pacote Python para limpeza de texto

jfilter
⭐ 1,031 Python 👤 jfilter User 🕐 Atualizado 2026-10-26 📅 Criado 2018-12-06

Perguntas Frequentes

1

Qual é o repositório de #text-cleaning mais popular no GitHub?

O projeto de código aberto de #text-cleaning mais bem classificado no GitHub é adbar/trafilatura, com 7,157 estrelas. Ferramenta Python e de linha de comando para coletar texto e metadados da Web: Rastreamento, raspagem, extração, com saída em CSV, JSON, HTML, MD, TXT, XML

2

Quais linguagens de programação são mais usadas nos repositórios de #text-cleaning?

Entre os projetos de #text-cleaning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook.

3

Como é calculada a classificação dos repositórios de #text-cleaning?

Acompanhamos 6 repositórios ativos de código aberto marcados com #text-cleaning (com mais de 500 estrelas), totalizando 20,035 estrelas e uma média de 3,339 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.