Git Stars Git Stars

#document-parsing Репозитории

Откройте для себя 42 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #document-parsing, с общим числом 356,240 звёзд (в среднем 8,481 на проект). Лидером этой темы является PaddlePaddle/PaddleOCR, набравший 92,972 звёзд.

42
Всего репозиториев
356,240
Всего звезд
8,481
Среднее количество звезд на репозиторий

Всего репозиториев: 42

1
PaddlePaddle/PaddleOCR

Превратите любой PDF или графический документ в структурированные данные для вашего ИИ. Мощный, легковесный набор инструментов OCR, который устраняет разрыв между изображениями/PDF и LLM. Поддерживает более 100 языков.

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 Обновлено 2026-09-16 📅 Создано 2020-05-08
2
docling-project/docling

Подготовьте свои документы для генеративного ИИ

docling-project
⭐ 70,843 Python 👤 docling-project Organization 🕐 Обновлено 2026-11-21 📅 Создано 2024-07-09
3
datalab-to/marker

Быстро конвертируйте PDF в markdown + JSON с высокой точностью

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

Парсер PDF для данных, готовых для ИИ. Автоматизируйте доступность PDF. Открытый исходный код.

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 Обновлено 2026-11-20 📅 Создано 2025-05-13
5
Unstructured-IO/unstructured

Легко преобразуйте документы в структурированные данные. Unstructured — это ETL-решение с открытым исходным кодом для преобразования сложных документов в чистые, структурированные форматы для языковых моделей. Посетите наш веб-сайт, чтобы узнать больше о нашем продукте Platform корпоративного уровня для рабочих процессов производственного уровня, секционирования, обогащения, фрагментации и встраивания.

Unstructured-IO
⭐ 15,769 HTML 👤 Unstructured-IO Organization 🕐 Обновлено 2026-11-19 📅 Создано 2022-09-26
6
netease-youdao/QAnything

Вопросы и ответы на любую тему.

netease-youdao
⭐ 14,210 Python 👤 netease-youdao User 🕐 Обновлено 2026-09-23 📅 Создано 2024-01-03
7
datalab-to/chandra

OCR-модель, обрабатывающая сложные таблицы, формы и рукописный ввод с полным сохранением макета.

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 Обновлено 2026-11-16 📅 Создано 2025-10-08
8
facebookresearch/nougat

Внедрение системы нейронного оптического понимания Nougat для академических документов

facebookresearch
⭐ 9,997 Python 👤 facebookresearch Organization 🕐 Обновлено 2025-02-21 📅 Создано 2023-06-07
9
studio-dots-ai/dots.ocr

Многоязычный разбор макета документа в единой модели "зрение-язык"

studio-dots-ai
⭐ 9,236 Python 👤 studio-dots-ai Organization 🕐 Обновлено 2026-03-24 📅 Создано 2025-07-30
10
Yuliang-Liu/MonkeyOCR

Легкая модель анализа документов на основе LMM

Yuliang-Liu
⭐ 6,653 Python 👤 Yuliang-Liu User 🕐 Обновлено 2026-11-17 📅 Создано 2025-06-03
11
mindee/doctr

docTR (Document Text Recognition) — удобная, высокопроизводительная и доступная библиотека для задач OCR на основе глубокого обучения. Постоянная разработка и поддержка осуществляются t2k.

mindee
⭐ 6,433 Python 👤 mindee Organization 🕐 Обновлено 2026-11-19 📅 Создано 2021-01-08
12
run-llama/llama_cloud_services

Агенты знаний и управление в облаке

run-llama
⭐ 4,273 TypeScript 👤 run-llama Organization 🕐 Обновлено 2026-11-08 📅 Создано 2024-01-31
13
NVIDIA/NeMo-Retriever

NeMo Retriever Library — это масштабируемый и высокопроизводительный микросервис для извлечения содержимого документов и метаданных. NeMo Retriever Library использует специализированные микросервисы NVIDIA NIM для поиска, контекстуализации и извлечения текста, таблиц, графиков и изображений, которые можно использовать в последующих генеративных приложениях.

NVIDIA
⭐ 3,014 Python 👤 NVIDIA Organization 🕐 Обновлено 2026-11-21 📅 Создано 2024-08-22
14
chatdoc-com/OCRFlux

OCRFlux — это легкий, но мощный мультимодальный набор инструментов, который значительно усовершенствует преобразование PDF в Markdown, превосходно справляется со сложными макетами, сложным разбором таблиц и объединением содержимого между страницами.

chatdoc-com
⭐ 2,532 Python 👤 chatdoc-com Organization 🕐 Обновлено 2026-04-14 📅 Создано 2025-06-04
15
Nutlope/llama-ocr

Библиотека OCR для преобразования документов в Markdown с помощью Llama 3.2 vision

Nutlope
⭐ 2,445 TypeScript 👤 Nutlope User 🕐 Обновлено 2026-07-12 📅 Создано 2024-11-12
16
landing-ai/ade-cli

Официальный CLI для Agentic Document Extraction (ADE) от LandingAI — анализируйте документы и извлекайте структурированные данные прямо из терминала

landing-ai
⭐ 2,427 Python 👤 landing-ai Organization 🕐 Обновлено 2026-10-30 📅 Создано 2025-03-12
18
dnGrep/dnGrep

Графический GREP-инструмент для Windows

dnGrep
⭐ 2,246 C# 👤 dnGrep Organization 🕐 Обновлено 2026-11-20 📅 Создано 2014-10-09
19
opendatalab/OmniDocBench

[CVPR 2025] Комплексный бенчмарк для анализа и оценки документов

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 Обновлено 2026-11-12 📅 Создано 2024-10-14
20
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Ускорение и улучшение легковесных VLM для OCR

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Обновлено 2026-09-24 📅 Создано 2025-11-18
21
datalab-to/indra

OCR-модель с 1 млн параметров — работает на CPU, в 15 раз быстрее Tesseract, точность близка к моделям с более чем 1 млрд параметров

datalab-to
⭐ 1,910 Python 👤 datalab-to Organization 🕐 Обновлено 2026-11-04 📅 Создано 2026-10-13
22
enoch3712/ExtractThinker

ExtractThinker — это библиотека Document Intelligence для LLM, предлагающая взаимодействие в стиле ORM для гибких и мощных рабочих процессов с документами.

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 Обновлено 2026-09-16 📅 Создано 2024-02-01
23
NanoNets/docstrange

Извлекайте и преобразуйте данные из любых документов, изображений, PDF, документов Word, PPT или URL в несколько форматов (Markdown, JSON, CSV, HTML) с помощью интеллектуального извлечения структурированных данных и передового OCR.

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 Обновлено 2025-10-31 📅 Создано 2025-07-31
24
Topdu/OpenOCR

OpenOCR: открытый набор инструментов для исследований и приложений общего OCR, объединяющий унифицированный набор данных для обучения и оценки, коммерческую систему OCR и разбор документов, а также точные воспроизведения основных реализаций из широкого спектра академических статей.

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 Обновлено 2026-09-21 📅 Создано 2024-05-31
25
zstar1003/ragflow-plus

Ragflow-Plus — это версия Ragflow вторичной разработки, что делает ее более лаконичной и практичной

zstar1003
⭐ 1,471 Python 👤 zstar1003 User 🕐 Обновлено 2026-11-18 📅 Создано 2025-03-24
27
nlmatics/nlm-ingestor

Этот репозиторий предоставляет серверный код для подключения к API llmsherpa. Он включает парсеры для различных форматов файлов.

nlmatics
⭐ 1,282 Python 👤 nlmatics Organization 🕐 Обновлено 2025-03-28 📅 Создано 2024-01-17
28
laramies/metagoofil

Сборщик метаданных

laramies
⭐ 1,201 Python 👤 laramies User 🕐 Обновлено 2024-03-21 📅 Создано 2015-08-13
29
aiptimizer/TurboOCR

TurboOCR, >200 img/s OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC

aiptimizer
⭐ 1,162 C++ 👤 aiptimizer Organization 🕐 Обновлено 2026-09-27 📅 Создано 2026-03-20
30
allenai/s2orc

S2ORC: Открытый корпус исследований Semantic Scholar: https://www.aclweb.org/anthology/2020.acl-main.447/

allenai
⭐ 996 Python 👤 allenai Organization 🕐 Обновлено 2024-04-26 📅 Создано 2019-11-04
31
flyhunterl/flymd

Мощный инструмент заметок Markdown! Бесплатный ИИ, умные заметки, напоминания TODO, локальная база знаний, движок AI-романов. Распознавание PDF, авто-нотка голосом, преобразование аудио в текст. Запуск за миллисекунды。

flyhunterl
⭐ 900 JavaScript 👤 flyhunterl User 🕐 Обновлено 2026-07-22 📅 Создано 2025-10-24
32
freelawproject/x-ray

Инструмент для обнаружения некорректного скрытия информации в PDF-файле

freelawproject
⭐ 837 Python 👤 freelawproject Organization 🕐 Обновлено 2026-11-20 📅 Создано 2020-12-17
33
deep-diver/paper-reviewer

Создайте исчерпывающий обзор статьи arXiv, а затем преобразуйте его в пост для блога. Этот проект обеспечивает работу веб-сайта HuggingFace Daily Papers (https://huggingface.co/papers), указанного ниже.

deep-diver
⭐ 834 Python 👤 deep-diver User 🕐 Обновлено 2025-02-20 📅 Создано 2024-10-21
34
FengZhenfei/carrel

Генерация с дополнением онтологией для ИИ-агентов.

FengZhenfei
⭐ 808 Python 👤 FengZhenfei User 🕐 Обновлено 2026-11-17 📅 Создано 2026-09-28
35
banned-historical-archives/banned-historical-archives.github.io

Гармоничный исторический архив

banned-historical-archives
⭐ 746 TypeScript 👤 banned-historical-archives User 🕐 Обновлено 2026-08-02 📅 Создано 2022-07-25
36
Steven-Luo/MasteringRAG

Корпоративные RAG-системы: от новичка до эксперта

Steven-Luo
⭐ 699 Jupyter Notebook 👤 Steven-Luo User 🕐 Обновлено 2025-06-25 📅 Создано 2024-07-16
37
ggozad/haiku.rag

Агентный RAG для локального и самостоятельно размещаемого поиска по документам: гибридный поиск, переранжирование и мультимодальный RAG на встроенной LanceDB, с разбором документов באמצעות Docling и MCP-сервером

ggozad
⭐ 665 Python 👤 ggozad User 🕐 Обновлено 2026-11-20 📅 Создано 2024-10-13
38
run-llama/ParseBench

ParseBench - Эталон анализа документов для ИИ-агентов

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Обновлено 2026-11-21 📅 Создано 2026-04-10
39
skygazer42/MimirQ

Корпоративная база знаний RAG с приоритетом китайского языка: управляемый разбор, управление, разбиение на фрагменты, гибридный поиск, переранжирование, цитирование, графы знаний, оценка и интеграция с Dify.

skygazer42
⭐ 613 Python 👤 skygazer42 User 🕐 Обновлено 2026-11-21 📅 Создано 2025-11-28
40
ankushshah89/python-docx2txt

Утилита на чистом Python для извлечения текста и изображений из файлов docx.

ankushshah89
⭐ 584 Python 👤 ankushshah89 User 🕐 Обновлено 2025-03-24 📅 Создано 2015-10-28
41
fufankeji/DeepSeek-OCR-Web

Web Studio для анализа документов DeepSeek OCR "из коробки"

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 Обновлено 2025-10-27 📅 Создано 2025-10-23
42
LeDat98/NexusRAG

Гибридная RAG-система, объединяющая векторный поиск, граф знаний (LightRAG) и переранжирование с помощью кросс-энкодера, с поддержкой разбора документов через Docling, визуального интеллекта (создание подписей к изображениям и таблицам), агентского потокового чата и встроенных цитат. Работает на моделях Gemini или локальных моделях Ollama.

LeDat98
⭐ 533 Python 👤 LeDat98 User 🕐 Обновлено 2026-04-20 📅 Создано 2026-03-15

Часто задаваемые вопросы

1

Какой репозиторий по теме #document-parsing наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #document-parsing на GitHub — PaddlePaddle/PaddleOCR, набравший 92,972 звёзд. Превратите любой PDF или графический документ в структурированные данные для вашего ИИ. Мощный, легковесный набор инструментов OCR, который устраняет разрыв между изображениями/PDF и LLM. Поддерживает более 100 языков.

2

Какие языки программирования чаще всего используются в репозиториях по теме #document-parsing?

Среди наиболее высоко оценённых проектов по теме #document-parsing на GitHub чаще всего используются языки программирования Python, TypeScript, Java, HTML.

3

Как рассчитывается рейтинг репозиториев по теме #document-parsing?

Мы отслеживаем 42 активных репозиториев с открытым исходным кодом, отмеченных тегом #document-parsing (500 и более звёзд), с общим числом 356,240 звёзд и в среднем 8,481 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.