#text-extraction Repositórios
Descubra 27 repositórios ativos de código aberto no GitHub marcados com #text-extraction, acumulando um total de 101,655 estrelas (uma média de 3,765 por projeto). O líder deste tópico é firecrawl/pdf-inspector, com 20,082 estrelas.
27 repositórios no total
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.
O mecanismo de inteligência documental rápido e preciso para todos os idiomas: texto, tabelas e metadados de mais de 100 formatos, com OCR, transcrição e inteligência de código.
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
O craft de PDF pode converter arquivos PDF em vários outros formatos. Este projeto se concentrará no processamento de arquivos PDF de livros escaneados.
Tika-Python é uma ligação Python para os serviços REST do Apache Tika™, permitindo que o Tika seja chamado nativamente na comunidade Python.
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 ferramenta para Windows para copiar texto de caixas de diálogo e controles que de outra forma não permitem
Biblioteca de extração de texto PDF de cópia zero escrita em Zig. Análise de alto desempenho, mapeada em memória com aceleração SIMD.
PDF para markdown usando LLMs de visão — tabelas, layout e estrutura preservados
Transforme HTML desorganizado do mundo real em Markdown limpo, em todos os principais idiomas.
Automatize a análise de repositórios GitHub para LLMs com o RepoToTextForLLMs. Obtenha READMEs, estrutura e arquivos não binários de forma eficiente. Os resultados incluem prompts de análise para auxiliar na avaliação abrangente do repositório.
Ferramenta baseada em RAG para indexação e busca de dados de texto de PDF usando a API OpenAI e o índice FAISS (Facebook AI Similarity Search), projetada para recuperação rápida de informações e precisão superior na busca.
Tradução automática de frontend. Suporta tradutores Youdao/Google/Baidu/personalizados. Compatível com webpack/vite/rollup/rsbuild, adaptável a todos os frameworks compilados para JS, suporta interpolação, namespaces, etc., ajudando você a traduzir o projeto com um clique.
Uma utilidade baseada puramente em python para extrair texto e imagens de arquivos docx.
Uma biblioteca simples e um conjunto de ferramentas para analisar, modificar e compor arquivos SRT.
Perguntas Frequentes
Qual é o repositório de #text-extraction mais popular no GitHub?
O projeto de código aberto de #text-extraction mais bem classificado no GitHub é firecrawl/pdf-inspector, com 20,082 estrelas. 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.
Quais linguagens de programação são mais usadas nos repositórios de #text-extraction?
Entre os projetos de #text-extraction mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Rust, Java, C++.
Como é calculada a classificação dos repositórios de #text-extraction?
Acompanhamos 27 repositórios ativos de código aberto marcados com #text-extraction (com mais de 500 estrelas), totalizando 101,655 estrelas e uma média de 3,765 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.