#text-extraction Репозитории
Откройте для себя 27 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #text-extraction, с общим числом 101,655 звёзд (в среднем 3,765 на проект). Лидером этой темы является firecrawl/pdf-inspector, набравший 20,082 звёзд.
Всего репозиториев: 27
Быстрая библиотека Rust для инспекции, классификации и извлечения текста из PDF. Интеллектуально определяет отсканированные PDF по сравнению с текстовыми для принятия умных решений по маршрутизации.
Быстрый и точный движок для анализа документов на любом языке: текст, таблицы и метаданные из более чем 100 форматов, а также OCR, транскрибация и анализ кода.
Инструмент Python и командной строки для сбора текста и метаданных в Интернете: Краулинг, скрейпинг, извлечение, вывод в формате CSV, JSON, HTML, MD, TXT, XML
PDF craft может конвертировать PDF-файлы в различные другие форматы. Этот проект будет сосредоточен на обработке PDF-файлов сканированных книг.
Tika-Python — это привязка Python к REST-сервисам Apache Tika™, позволяющая вызывать Tika нативно в сообществе Python.
Самая быстрая библиотека PDF для Python и Rust. Извлечение текста, извлечение изображений, конвертация в markdown, создание и редактирование PDF. Среднее время 0,8 мс, в 5 раз быстрее лидеров отрасли, 100% успешность на 3830 PDF. MIT/Apache-2.0.
Инструмент для Windows, позволяющий копировать текст из диалогов и элементов управления, которые иначе не позволяют это делать
Библиотека для извлечения текста из PDF без копирования, написанная на Zig. Высокопроизводительный, отображаемый в памяти парсинг с SIMD-ускорением.
PDF в markdown с использованием визуальных LLMs — таблицы, макеты и структура сохраняются
Преобразуйте неструктурированный HTML из реального мира в чистый Markdown на всех основных языках.
Автоматизируйте анализ репозиториев GitHub для LLM с помощью RepoToTextForLLMs. Эффективно извлекайте README, структуру и небинарные файлы. Результаты включают подсказки для анализа, помогающие в комплексной оценке репозитория.
Инструмент на основе RAG для индексации и поиска текстовых данных PDF с использованием OpenAI API и индекса FAISS (Facebook AI Similarity Search), предназначенный для быстрого извлечения информации и превосходной точности поиска.
Автоматический перевод для фронтенда. Поддержка Youdao/Google/Baidu/пользовательских переводчиков. Совместимость с webpack/vite/rollup/rsbuild, адаптация ко всем фреймворкам, компилируемым в JS, поддержка интерполяции, пространств имен и других функций, помогая вам перевести проект одним кликом.
Утилита на чистом Python для извлечения текста и изображений из файлов docx.
Простая библиотека и набор инструментов для разбора, модификации и составления SRT-файлов.
Часто задаваемые вопросы
Какой репозиторий по теме #text-extraction наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #text-extraction на GitHub — firecrawl/pdf-inspector, набравший 20,082 звёзд. Быстрая библиотека Rust для инспекции, классификации и извлечения текста из PDF. Интеллектуально определяет отсканированные PDF по сравнению с текстовыми для принятия умных решений по маршрутизации.
Какие языки программирования чаще всего используются в репозиториях по теме #text-extraction?
Среди наиболее высоко оценённых проектов по теме #text-extraction на GitHub чаще всего используются языки программирования Python, Rust, Java, C++.
Как рассчитывается рейтинг репозиториев по теме #text-extraction?
Мы отслеживаем 27 активных репозиториев с открытым исходным кодом, отмеченных тегом #text-extraction (500 и более звёзд), с общим числом 101,655 звёзд и в среднем 3,765 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.