Öffentliches Register
Software-GesundheitsberichtSchema 0.17.0 · Metriken 2.10.0 · 2026-07-21 04:34 UTC

Unstructured-IO / unstructured-inference

PythonApache-2.0★ 209 Sterne⑂ 73 Forksseit Dez. 2022Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird

Unstructured-IO/unstructured-inference erreicht einen Gesundheitsindex von 87 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Sustainability & Governance (85/100) ab, am schwächsten bei Security (46/100). Zuletzt heute aktualisiert. 4 Mitwirkende tragen den Großteil der jüngsten Arbeit.

87
gesamt / 100
Exzellent

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

87
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 73 wird auf der veröffentlichten Indexskala auf 87 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

UnstructuredOrganisation
1.497 Follower45 öffentliche Reposseit Juni 2022

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIunstructured_inference1.6.13-124vor 39 Tagencvhtmlnlppdfxmlparsingpreprocessing

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

84Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

73Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
14.5/36Commit-Rhythmus — 21/52 Wochen mit Commits
14.8/18Commit-Volumen — 44 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year44
human_commit_share—
days_since_last_push0
active_weeks_last_year21

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 39 Tagen
27/27Release-Rhythmus — ein Release etwa alle 7,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv1.6.13
releases_from_tagsnein
days_since_latest_release39
mean_days_between_releases7,7

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

72Gut · 17 % des Gesamtindex

Popularität & Verbreitung

60Mittel
Wie die Bewertung erfolgt
37.6/60Stars — 209 Stars
15.5/25Forks — 73 Forks
6.7/15Watcher — 17 Watcher
Verwendete Eingangsdaten
forks73
stars209
watchers17
growth_stateorganic
growth_factor_pct100

Community-Gesundheit

85Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_services—
has_pull_request_templatenein

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

85Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

82Exzellent
Wie die Bewertung erfolgt
43.2/54Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab
16.9/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 25 % der Commits
13.5/13.5Breite der Beitragenden — 39 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor4
contributors_sampled39
top_contributor_share0,247

Reaktionsfähigkeit bei Issues & PRs

69Gut
Wie die Bewertung erfolgt
27.4/42Issue-Lösungsquote — 65 % der Issues geschlossen
22/30PR-Annahme — 308/420 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs308
open_issues25
closed_issues47
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,653
closed_unmerged_prs112
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

91Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
22.8/25Reichweite des Inhabers — 1.497 Follower von Unstructured-IO
20.2/25Kontohistorie — 45 öffentliche Repos, Kontoalter ca. 4 Jahre
Verwendete Eingangsdaten
followers1.497
owner_typeOrganization
is_verified—
owner_loginUnstructured-IO
public_repos45
account_age_days1.483
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 39 Tagen
20/20Versionshistorie — 124 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesunstructured_inference
ecosystemspypi
any_deprecatednein
min_days_since_publish39

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

71Gut · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 5 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

40Schwach
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
0/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_site—
has_readmeja
has_docs_dirnein
has_descriptionnein

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

46Schwach · 16 % des Gesamtindex

Sicherheitslage

33Gefährdet
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfilesuv.lock
manifestspyproject.toml
has_codeql_workflownein
has_security_policynein
has_dependabot_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages55
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:unstructured_inference@1.6.13 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 55 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

56Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

AI-Verify-Loop (Build / Test / Typprüfung)

82Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
0/10Belegte Agentenpraxis — keine Daten
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/41 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes59.969
source_files_sampled41
oversized_source_files0

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

209GitHub-Sterne
39Mitwirkende
44Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
4Bus-Faktor
25offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • OpenSSF Scorecard did not return a usable result (2026/07/21 04:33:47 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 209 ★ / 0 ⇿
209Sterne

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

04080120160200240209102022-122024-092026-06

Jeder Punkt umfasst 4 Tage.

Direkte Abhängigkeiten 15
RegistryPaketVersionsvorgabeManifest
PyPIhuggingface-hub>=0.22.0pyproject.toml
PyPInumpy>=1.26.0pyproject.toml
PyPIopencv-python>=4.13.0.90pyproject.toml
PyPIonnx>=1.20.1pyproject.toml
PyPIonnxruntime>=1.25.0pyproject.toml
PyPImatplotlib>=3.10.8pyproject.toml
PyPItorch>=2.10.0pyproject.toml
PyPItimm>=1.0.24pyproject.toml
PyPItransformers>=4.25.1pyproject.toml
PyPIaccelerate>=1.12.0pyproject.toml
PyPIrapidfuzz>=3.14.3pyproject.toml
PyPIpandas>=1.5.0pyproject.toml
PyPIscipy>=1.17.0pyproject.toml
PyPIpypdfium2>=5.0.0pyproject.toml
PyPIpdfminer.six>=20231228pyproject.toml
Alle Abhängigkeiten 194

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 15 direkte und 179 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaccelerate1.13.0direkt
PyPIhuggingface-hub1.10.1direkt
PyPImatplotlib3.10.8direkt
PyPInumpy2.4.4direkt
PyPIonnx1.21.0direkt
PyPIonnxruntime1.25.0direkt
PyPIopencv-python4.13.0.92direkt
PyPIpandas3.0.2direkt
PyPIpdfminer-six20260107direkt
PyPIpypdfium25.7.0direkt
PyPIrapidfuzz3.14.5direkt
PyPIscipy1.17.1direkt
PyPItimm1.0.26direkt
PyPItorch2.11.0direkt
PyPItransformers5.5.3direkt
PyPIannotated-doc0.0.4indirekt
PyPIanyio4.13.0indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIasttokens3.0.1indirekt
PyPIasync-lru2.3.0indirekt
PyPIattrs26.1.0indirekt
PyPIbabel2.18.0indirekt
PyPIbackports-tarfile1.2.0indirekt
PyPIbeautifulsoup44.14.3indirekt
PyPIbleach6.3.0indirekt
PyPIcertifi2026.2.25indirekt
PyPIcffi2.0.0indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIclick8.3.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage7.13.5indirekt
PyPIcryptography46.0.7indirekt
PyPIcuda-bindings13.2.0indirekt
PyPIcuda-pathfinder1.5.2indirekt
PyPIcuda-toolkit13.0.2indirekt
PyPIcycler0.12.1indirekt
PyPIdebugpy1.8.20indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdocutils0.22.4indirekt
PyPIexecnet2.1.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.25.2indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfonttools4.62.1indirekt
PyPIfqdn1.5.1indirekt
PyPIfsspec2026.3.0indirekt
PyPIh110.16.0indirekt
PyPIhatchling—indirekt
PyPIhf-xet1.4.3indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIid1.6.1indirekt
PyPIidna3.11indirekt
PyPIimportlib-metadata9.0.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel7.2.0indirekt
PyPIipython9.12.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets8.1.8indirekt
PyPIisoduration20.11.0indirekt
PyPIjaraco-classes3.4.0indirekt
PyPIjaraco-context6.1.2indirekt
PyPIjaraco-functools4.4.0indirekt
PyPIjedi0.19.2indirekt
PyPIjeepney0.9.0indirekt
PyPIjinja23.1.6indirekt
PyPIjson50.14.0indirekt
PyPIjsonpointer3.1.1indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter1.1.1indirekt
PyPIjupyter-client8.8.0indirekt
PyPIjupyter-console6.6.3indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.0indirekt
PyPIjupyter-lsp2.3.1indirekt
PyPIjupyter-server2.17.0indirekt
PyPIjupyter-server-terminals0.5.4indirekt
PyPIjupyterlab4.5.6indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.16indirekt
PyPIkeyring25.7.0indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlark1.3.1indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdurl0.1.2indirekt
PyPImistune3.2.0indirekt
PyPIml-dtypes0.5.4indirekt
PyPImore-itertools11.0.2indirekt
PyPImpmath1.3.0indirekt
PyPInbclient0.10.4indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.6.1indirekt
PyPInh30.3.4indirekt
PyPInltk—indirekt
PyPInotebook7.5.5indirekt
PyPInotebook-shim0.2.4indirekt
PyPInvidia-cublas13.1.0.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.19.0.56indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.0indirekt
PyPInvidia-nccl-cu132.28.9indirekt
PyPInvidia-nvjitlink13.0.88indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging26.0indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.6indirekt
PyPIpdf2image1.17.0indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.2.0indirekt
PyPIplatformdirs4.9.6indirekt
PyPIpluggy1.6.0indirekt
PyPIprometheus-client0.24.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIprotobuf7.34.1indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpycparser3.0indirekt
PyPIpygments2.20.0indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-mock3.15.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-json-logger4.1.0indirekt
PyPIpywin32-ctypes0.2.3indirekt
PyPIpywinpty3.0.3indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIreadme-renderer44.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.4.4indirekt
PyPIrequests2.33.1indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc39862.0.0indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrich14.3.3indirekt
PyPIrpds-py0.30.0indirekt
PyPIruff0.15.10indirekt
PyPIsafetensors0.7.0indirekt
PyPIsecretstorage3.5.0indirekt
PyPIsend2trash2.1.0indirekt
PyPIsetuptools81.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsoupsieve2.8.3indirekt
PyPIstack-data0.6.3indirekt
PyPIsympy1.14.0indirekt
PyPIterminado0.18.1indirekt
PyPItinycss21.4.0indirekt
PyPItokenizers0.22.2indirekt
PyPItomli2.4.1indirekt
PyPItorchvision0.26.0indirekt
PyPItornado6.5.5indirekt
PyPItqdm4.67.3indirekt
PyPItraitlets5.14.3indirekt
PyPItriton3.6.0indirekt
PyPItwine6.2.0indirekt
PyPItyper0.24.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItzdata2026.1indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.6.3indirekt
PyPIwcwidth0.6.0indirekt
PyPIwebcolors25.10.0indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwidgetsnbextension4.0.15indirekt
PyPIzipp3.23.1indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:unstructured_inference@1.6.13 zieht 55 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit Unstructured-IO/unstructured-inference teilen. Nebeneinander lesen →

97Unstructured-IO/unstructuredConvert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.Außergewöhnlich87servo/html5everHigh-performance browser-grade HTML5 parserExzellent98docling-project/doclingGet your documents ready for gen AIAußergewöhnlich97modelscope/modelscopeModelScope: bring the notion of Model-as-a-Service to life.Außergewöhnlich96keras-team/keras-hubPretrained model hub for Keras 3.Außergewöhnlich95opendataloader-project/opendataloader-pdfPDF Parser for AI-ready data. Automate PDF accessibility. Open-source.Außergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.17.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.