Git Stars Git Stars

#document-processing 仓库

探索 65 个标记为 #document-processing 的活跃开源 GitHub 仓库,它们累计获得 214,351 个 Star(平均每个项目 3,297 个)。该主题的领先项目是 virgiliojr94/book-to-skill,拥有 38,623 个 Star。

65
仓库总数
214,351
总星标数
3,297
平均每个仓库星标数
1
virgiliojr94/book-to-skill

将任何技术书籍 PDF 转换为 Claude Code 技能 — 随时在工作时学习、参考和使用。

virgiliojr94
⭐ 38,623 Python 👤 virgiliojr94 User 🕐 已更新 2026-11-19 📅 创建时间 2026-05-01
2
storytold/pdfcraft

PdfCraft:使用纯 Rust 从零编写的开源 PDF 阅读器和编辑器

storytold
⭐ 21,378 Rust 👤 storytold Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-09-30
3
rocketride-org/rocketride-server

RocketRide 是一个开源 AI 元框架,拥有唯一基于 C++ 构建的企业级运行时。构建、测试并发布可在生产环境中规模化运行的持久化智能体。

rocketride-org
⭐ 20,003 Python 👤 rocketride-org Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-02-11
4
allenai/olmocr

用于LLM数据集/训练的PDF线性化工具包

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 已更新 2026-03-25 📅 创建时间 2024-09-17
5
run-llama/liteparse

一个快速、有帮助的开源文档解析器

run-llama
⭐ 13,074 Rust 👤 run-llama Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-02-09
6
BehiSecc/awesome-claude-skills

精选的 Claude 技能列表。

BehiSecc
⭐ 10,463 👤 BehiSecc User 🕐 已更新 2026-11-02 📅 创建时间 2025-10-17
7
oomol-lab/pdf-craft

PDF craft 可以将 PDF 文件转换为各种其他格式。本项目将专注于处理扫描书籍的 PDF 文件。

oomol-lab
⭐ 6,787 Python 👤 oomol-lab Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-02-12
8
OpenSenseNova/SenseNova-Skills

用于构建人工智能办公助手和生产力工作流的模块化 SenseNova 技能

OpenSenseNova
⭐ 6,102 JavaScript 👤 OpenSenseNova Organization 🕐 已更新 2026-11-13 📅 创建时间 2026-04-14
9
python-openxml/python-docx

使用Python创建和修改Word文档

python-openxml
⭐ 5,777 Python 👤 python-openxml Organization 🕐 已更新 2026-08-01 📅 创建时间 2013-10-15
10
going-doer/Paper2Code

Paper2Code: 机器学习科学论文自动生成代码

going-doer
⭐ 5,044 Python 👤 going-doer User 🕐 已更新 2026-03-25 📅 创建时间 2025-04-25
11
ucbepic/docetl

一种用于 agentic LLM 驱动的数据处理和 ETL 的系统

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 已更新 2026-11-17 📅 创建时间 2024-07-09
⭐ 3,066 C 👤 ArtifexSoftware Organization 🕐 已更新 2026-11-19 📅 创建时间 2015-06-24
13
wxyhgk/retain-pdf

在保留版面、公式与结构的前提下进行 PDF 翻译,适用于科研与技术文档

wxyhgk
⭐ 2,734 Python 👤 wxyhgk User 🕐 已更新 2026-11-10 📅 创建时间 2026-03-29
14
ctripcorp/C-OCR

C-OCR是携程自研的OCR项目,主要包括身份证、护照、火车票、签证等旅游相关证件、材料的识别。 项目包含4个部分,拒识、检测、识别、后处理。

ctripcorp
⭐ 2,467 Java 👤 ctripcorp Organization 🕐 已更新 2024-02-14 📅 创建时间 2019-04-11
17
shcherbak-ai/contextgem

使用大语言模型和决策模型从文档中提取结构化数据和洞察

shcherbak-ai
⭐ 2,095 Python 👤 shcherbak-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-10-11
18
pmaupin/pdfrw

pdfrw 是一个纯 Python 库,可以读取和写入 PDF

pmaupin
⭐ 1,912 Python 👤 pmaupin User 🕐 已更新 2024-04-29 📅 创建时间 2015-05-30
19
WASasquatch/was-node-suite-comfyui

WAS-NS v3 Reborn;用于图像处理、滤镜、蒙版、文本、逻辑、数字、潜变量、文件、3D 场景和动画的工具。

WASasquatch
⭐ 1,899 Python 👤 WASasquatch User 🕐 已更新 2026-11-19 📅 创建时间 2023-03-24
20
syncfusion/flutter-widgets

Syncfusion Flutter 小部件库包含高质量的 UI 小部件和文件格式包,可帮助您从单一代码库为 iOS、Android 和 Web 创建丰富、高质量的应用程序。

syncfusion
⭐ 1,787 Dart 👤 syncfusion Organization 🕐 已更新 2026-11-03 📅 创建时间 2020-10-01
21
nguyenq/tess4j

Tesseract OCR API的Java JNA包装器

nguyenq
⭐ 1,755 Java 👤 nguyenq User 🕐 已更新 2026-11-07 📅 创建时间 2014-06-25
22
itext/itextpdf

[已弃用] 核心 Java 库 + PDF/A, xtra 和 XML Worker。仅添加安全修复程序 — 请使用 iText 7

itext
⭐ 1,680 Java 👤 itext Organization 🕐 已更新 2026-11-17 📅 创建时间 2013-12-03
23
GongRzhe/Office-Word-MCP-Server

一个模型上下文协议 (MCP) 服务器,用于创建、读取和操作 Microsoft Word 文档。该服务器通过标准化接口使 AI 助手能够处理 Word 文档,提供丰富的文档编辑功能。

GongRzhe
⭐ 1,672 Python 👤 GongRzhe User 🕐 已更新 2025-12-31 📅 创建时间 2025-03-25
24
enoch3712/ExtractThinker

ExtractThinker 是一个面向 LLM 的文档智能库,提供 ORM 风格的交互,用于灵活强大的文档工作流。

enoch3712
⭐ 1,606 Python 👤 enoch3712 User 🕐 已更新 2026-09-16 📅 创建时间 2024-02-01
25
Topdu/OpenOCR

OpenOCR:一款面向通用 OCR 研究与应用的开源工具包,整合了统一的训练与评估基准、商业级 OCR 与文档解析系统,以及来自广泛学术论文的核心实现的忠实再现。

Topdu
⭐ 1,498 Python 👤 Topdu User 🕐 已更新 2026-09-21 📅 创建时间 2024-05-31
26
tjmlabs/ColiVara

Colivara 是一套服务,可让您根据视觉嵌入存储、搜索和检索文档。ColiVara 在文本和视觉文档方面均具有最先进的检索性能。使用视觉模型,而不是对文档进行分块和文本处理。无 OCR,无文本提取,无损坏的表格或丢失的图像。

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 已更新 2026-07-08 📅 创建时间 2024-09-21
27
egoist/chatwise-releases

适用于任何LLM的最快AI聊天机器人

egoist
⭐ 1,373 TypeScript 👤 egoist User 🕐 已更新 2026-07-01 📅 创建时间 2024-11-05
28
huridocs/pdf-document-layout-analysis

一个基于 Docker 的 PDF 文档布局分析服务。该服务提供了一个强大而灵活的 PDF 分析服务。该服务允许对 PDF 页面的不同部分进行分割和分类,识别文本、标题、图片、表格等元素。

huridocs
⭐ 1,366 Python 👤 huridocs Organization 🕐 已更新 2026-10-29 📅 创建时间 2024-05-06
29
danvergara/morphos

自托管文件转换服务器

danvergara
⭐ 1,314 Go 👤 danvergara User 🕐 已更新 2024-11-16 📅 创建时间 2023-10-08
30
empira/PDFsharp-1.5

一个用于处理 PDF 的 .NET 库

empira
⭐ 1,300 C# 👤 empira Organization 🕐 已更新 2024-01-25 📅 创建时间 2015-12-16
31
ssine/pptx2md

一个 PPTX 到 Markdown 的转换器

ssine
⭐ 1,279 Python 👤 ssine User 🕐 已更新 2026-04-21 📅 创建时间 2018-11-02
32
yfedoseev/pdf_oxide

Python 和 Rust 的最快 PDF 库。文本提取、图像提取、Markdown 转换、PDF 创建与编辑。平均 0.8ms,比行业领先者快 5 倍,3,830 个 PDF 100% 通过率。MIT/Apache-2.0。

yfedoseev
⭐ 1,205 Rust 👤 yfedoseev User 🕐 已更新 2026-11-21 📅 创建时间 2025-11-05
34
DonTizi/rlama

一个强大的文档AI问答工具,可连接到您本地的Ollama模型。为满足您所有的文档需求,创建、管理和交互RAG系统。

DonTizi
⭐ 1,096 Go 👤 DonTizi User 🕐 已更新 2025-08-09 📅 创建时间 2025-03-05
35
ocrbase-hq/ocrbase

📄 PDF -> .MD/.JSON API & SDK for PaddleOCR-VL,支持结构化数据提取。可自托管。

ocrbase-hq
⭐ 990 TypeScript 👤 ocrbase-hq Organization 🕐 已更新 2026-04-13 📅 创建时间 2026-01-20
36
mudler/LocalRecall

:brain: 专为搭载 WebUI 的代理设计的 100% 本地内存层和知识库

mudler
⭐ 987 Go 👤 mudler User 🕐 已更新 2026-11-02 📅 创建时间 2025-02-12
⭐ 964 Python 👤 Unstructured-IO Organization 🕐 已更新 2026-11-18 📅 创建时间 2022-12-09
38
docling-project/docling-graph

将非结构化文档转化为经过验证、内容丰富且可查询的知识图谱。

docling-project
⭐ 947 Python 👤 docling-project Organization 🕐 已更新 2026-11-16 📅 创建时间 2025-11-17
⭐ 947 Python 👤 unoconv Organization 🕐 已更新 2026-06-10 📅 创建时间 2021-06-10
40
eclaire-labs/eclaire

适用于您数据的本地优先、开源AI助手。统一任务、笔记、文档、照片和书签。私密、自托管,并通过API可扩展。

eclaire-labs
⭐ 925 TypeScript 👤 eclaire-labs Organization 🕐 已更新 2026-11-08 📅 创建时间 2025-09-02
41
superagent-ai/reag

增强推理生成

superagent-ai
⭐ 903 Python 👤 superagent-ai Organization 🕐 已更新 2025-07-15 📅 创建时间 2025-02-02
42
LaurenzV/hayro

一组用于解析、解释和渲染 PDF 文件的 Rust crate。

LaurenzV
⭐ 879 Rust 👤 LaurenzV User 🕐 已更新 2026-11-19 📅 创建时间 2025-04-22
43
mahonelau/-kykms

科亿知识库 KY KMS 是一款基于Elasticsearch的文档型知识库管理系统,提供强大的全文检索与文档分类管理功能

mahonelau
⭐ 853 Java 👤 mahonelau User 🕐 已更新 2026-03-11 📅 创建时间 2022-03-27
44
ngafar/llama-scan

使用本地 LLM 转录 PDF

ngafar
⭐ 807 Python 👤 ngafar User 🕐 已更新 2026-10-22 📅 创建时间 2025-06-11
45
pbcquoc/vietocr

Transformer OCR

pbcquoc
⭐ 774 Jupyter Notebook 👤 pbcquoc User 🕐 已更新 2025-01-19 📅 创建时间 2020-05-08
46
ihatecsv/deepseek-ocr-client

DeepSeek-OCR的实时Electron桌面GUI

ihatecsv
⭐ 770 JavaScript 👤 ihatecsv User 🕐 已更新 2025-12-24 📅 创建时间 2025-10-22
47
coherentgraphics/cpdf-binaries

适用于 Linux、Mac、Windows 的 PDF 命令行工具二进制文件

coherentgraphics
⭐ 741 HTML 👤 coherentgraphics Organization 🕐 已更新 2026-11-04 📅 创建时间 2013-08-15
48
abatsakidis/PDFDeSecure

易于使用的 PDF 解锁器。从 PDF 文件中移除复制保护。

abatsakidis
⭐ 733 C# 👤 abatsakidis User 🕐 已更新 2026-07-28 📅 创建时间 2018-04-13
49
dawbarton/pdf2svg

使用Poppler和Cairo库的简单PDF到SVG转换器

dawbarton
⭐ 715 Shell 👤 dawbarton User 🕐 已更新 2025-03-07 📅 创建时间 2013-07-18
50
pandoc/lua-filters

Pandoc 的 Lua 过滤器集合

pandoc
⭐ 677 Lua 👤 pandoc Organization 🕐 已更新 2025-12-01 📅 创建时间 2017-11-21

常见问题解答

1

GitHub 上最受欢迎的 #document-processing 仓库是什么?

GitHub 上排名第一的开源 #document-processing 项目是 virgiliojr94/book-to-skill,拥有 38,623 个 Star。将任何技术书籍 PDF 转换为 Claude Code 技能 — 随时在工作时学习、参考和使用。

2

#document-processing 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #document-processing 项目中,最常见的编程语言是 Python, Rust, Java, TypeScript。

3

#document-processing 仓库的排名是如何计算的?

我们跟踪了 65 个标记为 #document-processing 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 214,351 个 Star,平均每个仓库拥有 3,297 个 Star。排名每日根据 GitHub API 更新。