PyPI
adbar/trafilatura
Python & Command-line tool to gather text and metadata on the Web: Crawling, scraping, extraction, output as CSV, JSON, HTML, MD, TXT, XML
Apache-2.028. Aug. 2026 · Metriken 2.10.0
Alle Tags
Katalog-Tag
#corpus
Alle Repositories im öffentlichen Register, die dieses Tag tragen — aus ihren GitHub-Topics oder den von ihren Paket-Registries veröffentlichten Schlagwörtern. Die Gesundheit wird nach derselben versionierten Methodik gemessen wie im übrigen Register.
9 Einträge
—
quanteda/quanteda
An R package for the Quantitative Analysis of Textual Data
GPL-3.019. Okt. 2026 · Metriken 2.10.0
PyPI
russalo/file-observer
Deterministic file observation for pipelines — one read-only pass over a directory emits a reproducible JSON manifest of every file's type, metadata, structure, and provenance.
Eigene Lizenz10. Sept. 2026 · Metriken 2.10.0
PyPI
hankcs/HanLP
中文分词 词性标注 命名实体识别 依存句法分析 成分句法分析 语义依存分析 语义角色标注 指代消解 风格转换 语义相似度 新词发现 关键词短语提取 自动摘要 文本分类聚类 拼音简繁转换 自然语言处理
Apache-2.022. Okt. 2026 · Metriken 2.10.0
PyPI
ryanpavlicek/pyaegean
A specialist Python toolkit for Ancient Greek - alphabetic Greek NLP (incl. a neural pipeline) and the Aegean syllabic scripts (Linear A, Linear B, Cypriot, Cypro-Minoan)
Apache-2.08. Sept. 2026 · Metriken 2.10.0
RubyGems
yohasebe/wp2txt
A command-line tool to extract plain text from Wikipedia dumps with category and section filtering
MIT11. Sept. 2026 · Metriken 2.10.0
NuGet
vedph/pythia
Pythia concordance search engine and API
Keine Lizenz16. Okt. 2026 · Metriken 2.10.0
Go
czcorpus/cqlizer
Predicting time-consuming CQL queries in language corpora
Apache-2.013. Sept. 2026 · Metriken 2.10.0
PyPI
rodrodr/parlaibero-tools
MCP server for the ParlaIbero corpora (16 Ibero-American parliaments, Harvard Dataverse) and the diaries-* Claude Code skills that built them
MIT15. Okt. 2026 · Metriken 2.10.0