Git Stars Git Stars

#pdf-parser 仓库

探索 21 个标记为 #pdf-parser 的活跃开源 GitHub 仓库,它们累计获得 321,543 个 Star(平均每个项目 15,311 个)。该主题的领先项目是 PaddlePaddle/PaddleOCR,拥有 92,972 个 Star。

21
仓库总数
321,543
总星标数
15,311
平均每个仓库星标数
1
PaddlePaddle/PaddleOCR

将任何PDF或图像文档转换为AI所需的结构化数据。一个功能强大、轻量级的OCR工具包,弥合了图像/PDF与LLM之间的鸿沟。支持100多种语言。

PaddlePaddle
⭐ 92,972 Python 👤 PaddlePaddle Organization 🕐 已更新 2026-09-16 📅 创建时间 2020-05-08
2
opendatalab/MinerU

将复杂的文档如 PDF 和 Office 文档转换为 LLM 就绪的 markdown/JSON,用于您的 Agentic 工作流。

opendatalab
⭐ 84,093 Python 👤 opendatalab Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-02-29
3
datalab-to/marker

快速高精度地将 PDF 转换为 markdown + JSON

datalab-to
⭐ 41,010 Python 👤 datalab-to Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-10-30
4
opendataloader-project/opendataloader-pdf

AI-ready 数据 PDF 解析器。自动化 PDF 可访问性。开源。

opendataloader-project
⭐ 30,355 Java 👤 opendataloader-project Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-05-13
5
firecrawl/pdf-inspector

快速的 Rust PDF 检查、分类和文本提取库。智能检测扫描 PDF 与基于文本的 PDF,以实现智能路由决策。

firecrawl
⭐ 20,082 Rust 👤 firecrawl Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-02-06
6
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
7
py-pdf/pypdf

一个纯Python PDF库,能够分割、合并、裁剪和转换 PDF 文件的页面

py-pdf
⭐ 10,305 Python 👤 py-pdf Organization 🕐 已更新 2026-11-21 📅 创建时间 2012-01-06
8
bytedance/Dolphin

“Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting” 的官方仓库,ACL, 2025。

bytedance
⭐ 9,065 Python 👤 bytedance Organization 🕐 已更新 2026-03-25 📅 创建时间 2025-05-13
9
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
10
dromara/yft-design

yft-design is a powerful, visually stunning online design tool built with Vue3, fabric.js, and Element Plus. 基于fabric.js的开源版【稿定设计】。一款美观且功能强大的在线设计工具,具备海报设计和图片编辑功能。适用于多种场景,如海报生成、电商产品图制作、文章长图设计、视频/公众号封面编辑等 。

dromara
⭐ 1,678 TypeScript 👤 dromara Organization 🕐 已更新 2026-09-04 📅 创建时间 2023-05-25
11
yobix-ai/extractous

快速高效的非结构化数据提取。使用 Rust 编写,并提供多种语言的绑定。

yobix-ai
⭐ 1,660 Rust 👤 yobix-ai Organization 🕐 已更新 2024-12-21 📅 创建时间 2024-06-04
12
NanoNets/docstrange

利用智能结构化数据提取和高级OCR功能,将任何文档、图片、PDF、Word文档、PPT或URL中的数据提取并转换为多种格式(Markdown、JSON、CSV、HTML)。

NanoNets
⭐ 1,578 Python 👤 NanoNets Organization 🕐 已更新 2025-10-31 📅 创建时间 2025-07-31
13
drmingler/docling-api

易于部署和可扩展的后端服务器,可将各种文档格式(pdf、docx、pptx、html、图像等)高效转换为Markdown。它同时支持CPU和GPU处理,非常适合大规模工作流,提供文本/表格提取、OCR以及带同步/异步终端的批处理。

drmingler
⭐ 1,511 Python 👤 drmingler User 🕐 已更新 2026-08-04 📅 创建时间 2024-11-05
14
Leutenegger/book-to-skill

将任何技术书籍 PDF 转换为 Claude Code 技能 — 随时可供学习、参考并在工作中使用。

Leutenegger
⭐ 1,227 Python 👤 Leutenegger User 🕐 已更新 2026-08-14 📅 创建时间 2026-08-13
15
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
16
AlexandrosGounis/pdfx

一个用于同时处理多个 PDF 文件的自由浮动 2D 画布

AlexandrosGounis
⭐ 1,093 TypeScript 👤 AlexandrosGounis User 🕐 已更新 2026-09-19 📅 创建时间 2026-06-24
17
adithya-s-k/marker-api

🚀 易于部署的API,可快速、高精度地将PDF转换为markdown。

adithya-s-k
⭐ 928 Python 👤 adithya-s-k User 🕐 已更新 2024-10-15 📅 创建时间 2024-05-10
18
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
19
Prismer-AI/Prismer

开源研究爪

Prismer-AI
⭐ 781 TypeScript 👤 Prismer-AI Organization 🕐 已更新 2026-06-24 📅 创建时间 2026-01-28
20
ispras/dedoc

Dedoc 是一个用于自动化文档解析并统一格式的库(服务)。它可自动从文本电子文档中提取内容、逻辑结构、表格和元信息。(解析文档;文档内容提取;逻辑结构提取;PDF 解析器;扫描文档解析器;DOCX 解析器;HTML 解析器)

ispras
⭐ 739 Python 👤 ispras Organization 🕐 已更新 2026-11-09 📅 创建时间 2020-12-07
21
opendatalab/MinerU-Diffusion

[ECCV 2026] 一种基于扩散的文档OCR框架,用块级并行扩散解码替代自回归解码。

opendatalab
⭐ 624 Python 👤 opendatalab Organization 🕐 已更新 2026-06-18 📅 创建时间 2026-03-13

常见问题解答

1

GitHub 上最受欢迎的 #pdf-parser 仓库是什么?

GitHub 上排名第一的开源 #pdf-parser 项目是 PaddlePaddle/PaddleOCR,拥有 92,972 个 Star。将任何PDF或图像文档转换为AI所需的结构化数据。一个功能强大、轻量级的OCR工具包,弥合了图像/PDF与LLM之间的鸿沟。支持100多种语言。

2

#pdf-parser 仓库中最常使用的编程语言有哪些?

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

3

#pdf-parser 仓库的排名是如何计算的?

我们跟踪了 21 个标记为 #pdf-parser 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 321,543 个 Star,平均每个仓库拥有 15,311 个 Star。排名每日根据 GitHub API 更新。