Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-15 07:08 UTC

datalab-to / pdftext

Extract structured text from pdfs quickly

PythonApache-2.0★ 723 Sterne⑂ 82 Forksseit Apr. 2024Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugwie das ermittelt wird

datalab-to/pdftext erreicht einen Gesundheitsindex von 53 von 100 und liegt damit im Bereich Mittel. Am stärksten schneidet es bei Vitality (59/100) ab, am schwächsten bei AI Readiness (43/100). Zuletzt vor 68 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

53
gesamt / 100
Mittel

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.

53
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 52 wird auf der veröffentlichten Indexskala auf 53 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

DatalabOrganisation
897 Follower12 öffentliche Reposseit Juli 2024

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIpdftextverweist auf ein anderes Repo — nicht bewertet0.7.1-36vor 68 Tagenpdftextextraction

Metriken nach Kategorie

Vitalität

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

59Mittel · 21 % des Gesamtindex

Entwicklungsaktivität

37Schwach
Wie die Bewertung erfolgt
18/36Push-Aktualität — letzter Push vor 68 Tagen
2.1/36Commit-Rhythmus — 3/52 Wochen mit Commits
12.1/18Commit-Volumen — 21 Commits im letzten Jahr
5/10OpenSSF Scorecard: Maintained — 6 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
Verwendete Eingangsdaten
commits_last_year21
human_commit_share1
days_since_last_push68
active_weeks_last_year3

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 36 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 68 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 63,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count36
latest_release_tagv0.7.1
releases_from_tagsnein
days_since_latest_release68
mean_days_between_releases63,7
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

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

59Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

67Gut
Wie die Bewertung erfolgt
46.4/60Stars — 723 Stars
15.9/25Forks — 82 Forks
4.7/15Watcher — 8 Watcher
Verwendete Eingangsdaten
forks82
stars723
watchers8
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

46Schwach · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

27Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
5.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 76 % der Commits
6.8/13.5Breite der Beitragenden — 5 Beitragende
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Verwendete Eingangsdaten
bus_factor1
contributors_sampled5
top_contributor_share0,762

Reaktionsfähigkeit bei Issues & PRs

50Mittel
Wie die Bewertung erfolgt
12.3/42Issue-Lösungsquote — 29 % der Issues geschlossen
28.2/30PR-Annahme — 32/34 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
3/15OpenSSF Scorecard: Code-Review — Found 1/5 approved changesets -- score normalized to 2
Verwendete Eingangsdaten
merged_prs32
open_issues12
closed_issues5
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,294
closed_unmerged_prs2
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

64Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
21.2/25Reichweite des Inhabers — 897 Follower von datalab-to
12.4/25Kontohistorie — 12 öffentliche Repos, Kontoalter ca. 2 Jahre
Verwendete Eingangsdaten
followers897
owner_typeOrganization
is_verifiednein
owner_logindatalab-to
public_repos12
account_age_days781

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

54Mittel · 19 % des Gesamtindex

Engineering-Praktiken

56Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
8/20OpenSSF Scorecard: CI-Tests — 2 out of 5 merged PRs checked by a CI test -- score normalized to 4
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

50Mittel
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
0/15Dokumentations-/Homepage-Site
10/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_site—
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

47Schwach · 16 % des Gesamtindex

Sicherheitslage

34Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
1/2.5CI-Tests — 2 out of 5 merged PRs checked by a CI test -- score normalized to 4
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
1.5/7.5Code-Review — Found 1/5 approved changesets -- score normalized to 2
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
3.8/7.5Maintained — 6 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 74 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate3,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging, Signed-Releases. 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_packages10
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:pdftext@0.7.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 10 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.

43Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

37Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://pymupdf.readthedocs.io/llms.txt)
22.4/40Lesbare Commit-Historie — 42 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://pymupdf.readthedocs.io/llms.txt
legible_history_share0,42
agent_instruction_files—
agent_instruction_max_bytes—

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

42Schwach
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 16 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0,16
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/18 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes13.966
source_files_sampled18
oversized_source_files0

Eckdaten

723GitHub-Sterne
5Mitwirkende
21Commits, letzte 12 Monate
68Tage seit letztem Push
36Releases
1Bus-Faktor
12offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi package 'pdftext' points at a different repository (https://github.com/VikParuchuri/pdftext); excluded from ecosystem scoring

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 82 ⇿
0Sterne
82Forks
34Releases

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.

0204060801008252024-042025-072026-09
Major 0Minor 6Patch 28

Jeder Punkt umfasst 3 Tage.

OpenSSF Scorecard 3.4 / 10
3.4Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-15 07:07 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
4CI-Tests2 out of 5 merged PRs checked by a CI test -- score normalized to 4
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 1/5 approved changesets -- score normalized to 2
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
5Maintained6 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 5
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities74 existing vulnerabilities detected
Direkte Abhängigkeiten 5
RegistryPaketVersionsvorgabeManifest
PyPIpypdfium2=5.10.1pyproject.toml
PyPIpydantic^2.7.1pyproject.toml
PyPIpydantic-settings^2.2.1pyproject.toml
PyPIclick^8.1.8pyproject.toml
PyPInumpy>=1.24pyproject.toml
Alle Abhängigkeiten 54

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 5 direkte und 49 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIclick8.1.8direkt
PyPInumpy2.2.3direkt
PyPIpydantic2.10.6direkt
PyPIpydantic-settings2.7.1direkt
PyPIpypdfium25.10.1direkt
PyPIaiohappyeyeballs2.4.6indirekt
PyPIaiohttp3.11.12indirekt
PyPIaiosignal1.3.2indirekt
PyPIannotated-types0.7.0indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs25.1.0indirekt
PyPIcertifi2025.1.31indirekt
PyPIcffi1.17.1indirekt
PyPIcharset-normalizer3.4.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcryptography44.0.1indirekt
PyPIdatasets2.21.0indirekt
PyPIdill0.3.8indirekt
PyPIexceptiongroup1.2.2indirekt
PyPIfilelock3.17.0indirekt
PyPIfrozenlist1.5.0indirekt
PyPIfsspec2024.6.1indirekt
PyPIhuggingface-hub0.28.1indirekt
PyPIidna3.10indirekt
PyPIiniconfig2.0.0indirekt
PyPImultidict6.1.0indirekt
PyPImultiprocess0.70.16indirekt
PyPIpackaging24.2indirekt
PyPIpandas2.2.3indirekt
PyPIpdfminer-six20231228indirekt
PyPIpdfplumber0.11.5indirekt
PyPIpillow10.4.0indirekt
PyPIpluggy1.5.0indirekt
PyPIpropcache0.2.1indirekt
PyPIpyarrow19.0.0indirekt
PyPIpycparser2.22indirekt
PyPIpydantic-core2.27.2indirekt
PyPIpymupdf1.25.3indirekt
PyPIpytest8.3.4indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.0.1indirekt
PyPIpytz2025.1indirekt
PyPIpyyaml6.0.2indirekt
PyPIrapidfuzz3.12.1indirekt
PyPIrequests2.32.3indirekt
PyPIsix1.17.0indirekt
PyPItabulate0.9.0indirekt
PyPItomli2.2.1indirekt
PyPItqdm4.67.1indirekt
PyPItyping-extensions4.12.2indirekt
PyPItzdata2025.1indirekt
PyPIurllib32.3.0indirekt
PyPIxxhash3.5.0indirekt
PyPIyarl1.18.3indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:pdftext@0.7.1 zieht 10 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 datalab-to/pdftext teilen. Nebeneinander lesen →

100mlco2/codecarbonTrack emissions from Compute and recommend ways to reduce their impact on the environment.Außergewöhnlich100microsoft/onnxruntimeONNX Runtime: cross-platform, high performance ML inferencing and training acceleratorAußergewöhnlich100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich100open-telemetry/opentelemetry-pythonOpenTelemetry Python API and SDK Außergewöhnlich100aws/serverless-application-modelThe AWS Serverless Application Model (AWS SAM) transform is a AWS CloudFormation macro that transforms SAM templates into CloudFormation templates.Außergewöhnlich100python-pillow/PillowPython Imaging Library (fork)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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

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