Git Stars Git Stars

#data-extraction 仓库

131
仓库总数
729,329
总星标数
5,567
平均每个仓库星标数

共 131 个仓库

101
developersdigest/llm-api-engine

在几秒钟内构建和部署支持 AI 的 API

developersdigest
⭐ 755 TypeScript 👤 developersdigest User 🕐 已更新 2025-02-03 📅 创建时间 2025-01-24
102
polyrabbit/hacker-news-digest

📰 让 LLM 为你总结 Hacker News

polyrabbit
⭐ 754 Python 👤 polyrabbit User 🕐 已更新 2026-11-21 📅 创建时间 2014-09-17
103
ScrapeGraphAI/scrapecraft

由 AI 驱动的网页抓取编辑器,内置可视化工作流构建器。使用自然语言构建、测试和部署网页抓取器。由 ScrapeGraphAI 和 LangGraph 提供支持。

ScrapeGraphAI
⭐ 731 Python 👤 ScrapeGraphAI Organization 🕐 已更新 2025-12-26 📅 创建时间 2025-07-01
104
kovidgoyal/html5-parser

Python 的快速 C 基于 HTML 5 解析

kovidgoyal
⭐ 710 C 👤 kovidgoyal User 🕐 已更新 2026-09-20 📅 创建时间 2017-06-03
105
adrienjoly/npm-pdfreader

🚜 解析 PDF 文件中的文本和表格。

adrienjoly
⭐ 703 HTML 👤 adrienjoly User 🕐 已更新 2026-01-21 📅 创建时间 2015-03-05
106
ndl-lab/ndlocr_cli

NDLOCR 应用程序的存储库(包括源代码)

ndl-lab
⭐ 686 Python 👤 ndl-lab Organization 🕐 已更新 2026-01-05 📅 创建时间 2022-03-30
107
allenai/science-parse

Science Parse 解析科学论文(PDF 格式)并以结构化形式返回它们。

allenai
⭐ 686 Java 👤 allenai Organization 🕐 已更新 2024-05-26 📅 创建时间 2015-08-19
108
ladislav-zezula/StormLib

由 Ladislav Zezula(作者)创建的 StormLib 库的官方 GitHub 仓库

ladislav-zezula
⭐ 668 C 👤 ladislav-zezula User 🕐 已更新 2026-11-18 📅 创建时间 2013-01-11
109
adamschwartz/web.scraper.workers.dev

使用 CSS 选择器从网站抓取文本。

adamschwartz
⭐ 658 JavaScript 👤 adamschwartz User 🕐 已更新 2024-02-14 📅 创建时间 2019-10-10
110
yanzhou/CnkiSpider

中国知网爬虫

yanzhou
⭐ 653 Python 👤 yanzhou User 🕐 已更新 2025-03-08 📅 创建时间 2014-11-05
112
dzhng/zod-gpt

从 OpenAI 和 Anthropic 模型获取结构化、完全类型化且经过验证的 JSON 输出。

dzhng
⭐ 629 TypeScript 👤 dzhng User 🕐 已更新 2024-04-26 📅 创建时间 2023-06-26
113
mac4n6/APOLLO

Apple 生活模式 懒惰输出器

mac4n6
⭐ 627 Python 👤 mac4n6 User 🕐 已更新 2024-02-25 📅 创建时间 2018-11-04
114
jrmuizel/pdf-extract

一个用于从 PDF 中提取内容的 Rust 库

jrmuizel
⭐ 604 Rust 👤 jrmuizel User 🕐 已更新 2026-09-16 📅 创建时间 2017-02-01
115
ScrapingBee/google-reviews-scraper

Google评论API集成及可扩展的Google评论抓取工具,用于通过结构化的Google评论API从Google地图中提取评分、评论文本和商业洞察。

ScrapingBee
⭐ 601 👤 ScrapingBee Organization 🕐 已更新 2026-02-20 📅 创建时间 2026-02-19
116
Kakulukian/youtube-transcript

获取 YouTube 视频的字幕

Kakulukian
⭐ 590 TypeScript 👤 Kakulukian User 🕐 已更新 2026-04-25 📅 创建时间 2020-09-26
117
samacs/simple_html_dom

只是一个 Simple HTML DOM 库的分支。 (http://simplehtmldom.sourceforge.net/)

samacs
⭐ 587 HTML 👤 samacs User 🕐 已更新 2024-05-15 📅 创建时间 2012-09-23
118
tbvdm/sigtop

从 Signal 桌面版导出消息

tbvdm
⭐ 585 Go 👤 tbvdm User 🕐 已更新 2026-09-14 📅 创建时间 2021-03-10
119
Ormicron/chatViewTool

基于Java实现的图形化微信聊天记录解密查看器

Ormicron
⭐ 584 👤 Ormicron User 🕐 已更新 2024-05-20 📅 创建时间 2022-06-16
121
mrshu/github-statuses

“缺失的 GitHub 状态页面”——一种利用 Flat Data 记录 GitHub 历史状态的尝试

mrshu
⭐ 578 JavaScript 👤 mrshu User 🕐 已更新 2026-11-21 📅 创建时间 2022-06-11
122
itstyren/CNKI-download

:frog: 知网(CNKI)文献下载及文献速览爬虫 (数据提取网络爬虫)

itstyren
⭐ 578 Python 👤 itstyren User 🕐 已更新 2024-11-18 📅 创建时间 2018-12-13
123
vakra-dev/reader

面向 AI 的开源网络基础设施。抓取、爬取并自动化网络,清理 Markdown,浏览器会话,已为您的代理准备就绪。

vakra-dev
⭐ 577 TypeScript 👤 vakra-dev Organization 🕐 已更新 2026-10-06 📅 创建时间 2026-01-07
124
jpjacobpadilla/Stealth-Requests

Python 中难以被检测的网页抓取与无缝 HTML 解析!

jpjacobpadilla
⭐ 570 Python 👤 jpjacobpadilla User 🕐 已更新 2026-09-19 📅 创建时间 2024-08-04
125
bawadou/ai-data-extractor

用于提取 AI 编程助手聊天记录的免费开源工具。支持 Claude Code、Cursor、Windsurf、Aider、Cline/Roo Code 等。

bawadou
⭐ 555 Python 👤 bawadou User 🕐 已更新 2026-09-07 📅 创建时间 2026-08-16
126
conjuncts/gmft

轻量、高性能、深度表格提取

conjuncts
⭐ 544 Python 👤 conjuncts User 🕐 已更新 2026-07-24 📅 创建时间 2024-06-08
127
poloclub/unitable

NeurIPS'24 工作坊 - UniTable:迈向统一的表格基础模型

poloclub
⭐ 537 Jupyter Notebook 👤 poloclub Organization 🕐 已更新 2026-04-21 📅 创建时间 2024-01-09
128
xd20111/inshackle

Instagram 技巧:跟踪取关者,增加粉丝,下载故事等

xd20111
⭐ 535 Shell 👤 xd20111 User 🕐 已更新 2024-03-12 📅 创建时间 2019-03-03
129
jatechan/ai-data-extractor

免费的开源提取工具,可提取 AI 编程助手的聊天记录。支持 Claude Code、Cursor、Windsurf、Aider、Cline/Roo Code 等

jatechan
⭐ 526 Python 👤 jatechan User 🕐 已更新 2026-10-20 📅 创建时间 2026-10-11
130
oxylabs/web-scraper-api

一站式网页抓取 API,支持实时、大规模数据提取——通过单个请求处理代理、验证码管理、JavaScript 渲染和解析,并返回 HTML 或结构化 JSON。

oxylabs
⭐ 503 👤 oxylabs Organization 🕐 已更新 2026-10-01 📅 创建时间 2026-06-05