Git Stars Git Stars

#text-cleaning 仓库

探索 6 个标记为 #text-cleaning 的活跃开源 GitHub 仓库,它们累计获得 20,035 个 Star(平均每个项目 3,339 个)。该主题的领先项目是 adbar/trafilatura,拥有 7,157 个 Star。

6
仓库总数
20,035
总星标数
3,339
平均每个仓库星标数
1
adbar/trafilatura

Python 和命令行工具,用于从网络上收集文本和元数据:爬取、抓取、提取,以 CSV、JSON、HTML、MD、TXT、XML 输出

adbar
⭐ 7,157 Python 👤 adbar User 🕐 已更新 2026-11-20 📅 创建时间 2019-04-08
2
WikiExtractor/wikiextractor

一个从维基百科转储中提取纯文本的工具

WikiExtractor
⭐ 4,007 Python 👤 WikiExtractor Organization 🕐 已更新 2026-10-19 📅 创建时间 2015-03-22
3
rspeer/python-ftfy

修复 Unicode 文本中的 mojibake 和其他故障,事后。

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 已更新 2024-10-30 📅 创建时间 2012-08-24
4
blmoistawinde/HarvestText

文本挖掘和预处理工具(文本清洗、新词发现、情感分析、实体识别链接、关键词抽取、知识抽取、句法分析等),无监督或弱监督方法

blmoistawinde
⭐ 2,592 Python 👤 blmoistawinde User 🕐 已更新 2024-05-13 📅 创建时间 2018-11-19
5
wisupai/e2m

E2M 将各种文件类型(doc、docx、epub、html、htm、url、pdf、ppt、pptx、mp3、m4a)转换为 Markdown。它易于安装,拥有专用的解析器和转换器,支持自定义配置。E2M 提供了一个一站式、灵活且开源的解决方案。

wisupai
⭐ 1,246 Jupyter Notebook 👤 wisupai Organization 🕐 已更新 2024-09-08 📅 创建时间 2024-08-04
6
jfilter/clean-text

🧹 用于文本清理的Python包

jfilter
⭐ 1,031 Python 👤 jfilter User 🕐 已更新 2026-10-26 📅 创建时间 2018-12-06

常见问题解答

1

GitHub 上最受欢迎的 #text-cleaning 仓库是什么?

GitHub 上排名第一的开源 #text-cleaning 项目是 adbar/trafilatura,拥有 7,157 个 Star。Python 和命令行工具,用于从网络上收集文本和元数据:爬取、抓取、提取,以 CSV、JSON、HTML、MD、TXT、XML 输出

2

#text-cleaning 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #text-cleaning 项目中,最常见的编程语言是 Python, Jupyter Notebook。

3

#text-cleaning 仓库的排名是如何计算的?

我们跟踪了 6 个标记为 #text-cleaning 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 20,035 个 Star,平均每个仓库拥有 3,339 个 Star。排名每日根据 GitHub API 更新。