Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-17 17:13 UTC

mindee / doctr

docTR (Document Text Recognition) - a seamless, high-performing & accessible library for OCR-related tasks powered by Deep Learning. Ongoing development and maintenance by t2k.

PythonApache-2.0★ 6355 estrellas⑂ 678 forksdesde ene 2021Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecaServicio de redcómo se determina
#ocr#deep-learning#document-recognition#tensorflow2#text-detection-recognition#text-detection#text-recognition#optical-character-recognition#pytorch

mindee/doctr tiene un índice de salud de 94 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Engineering Quality (96/100) y la más baja, Security (64/100). Se actualizó por última vez hace 2 días. 2 personas concentran la mayor parte del trabajo reciente.

94
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

94
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 81 se calibra a 94 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

MindeeOrganización
135 seguidores29 repositorios públicosdesde jul 2020

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIpython-doctr1.1.0235.72321hace 27 díasocrdeep-learningcomputer-visionpytorchtext-detectiontext-recognition

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

80Excelente · 21% del índice global

Actividad de desarrollo

78Bueno
Cómo se puntúa
36/36Recencia de push — último push hace 2 días
14.5/36Cadencia de commits — 21/52 semanas con commits
17/18Volumen de commits — 77 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 7 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year77
human_commit_share0,84
days_since_last_push2
active_weeks_last_year21

Disciplina de publicación

83Excelente
Cómo se puntúa
27/27Publica versiones — 22 versiones publicadas
36/36Recencia de las versiones — última versión hace 27 días
19.8/27Cadencia de publicación — una versión cada ~119,7 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count22
latest_release_tagv1.1.0
releases_from_tagsno
days_since_latest_release27
mean_days_between_releases119,7

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

89Excelente · 17% del índice global

Popularidad y adopción

93Excepcional
Cómo se puntúa
60/60Estrellas — 6355 estrellas
23.6/25Forks — 678 forks
9.5/15Observadores — 52 observadores
Datos de entrada utilizados
forks678
stars6355
watchers52
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

85Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges9
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateno

Adopción en el ecosistema (descargas)

89Excelente
Cómo se puntúa
71.6/80Descargas mensuales — 235.723 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagespython-doctr
dependents—
ecosystemspypi
total_downloads—
monthly_downloads235.723
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

77Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

64Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
14.9/22.5Distribución de commits — el principal contribuyente firma el 34% de los commits
13.5/13.5Amplitud de contribuyentes — 75 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 7 contributing companies or organizations
Datos de entrada utilizados
bus_factor2
contributors_sampled75
top_contributor_share0,338

Capacidad de respuesta a issues y PR

82Excelente
Cómo se puntúa
40.3/42Resolución de issues — 96% de issues cerradas
26.9/30Aceptación de PR — 1065/1189 PR decididos fusionados
13/13Newcomer PR acceptance — 2/2 PR de contribuyentes primerizos fusionados en 30 d
1.5/15OpenSSF Scorecard: Code-Review — Found 5/28 approved changesets -- score normalized to 1
Datos de entrada utilizados
merged_prs1065
open_issues18
closed_issues431
prs_merged_7d1
prs_decided_7d1
prs_merged_30d10
prs_decided_30d11
issue_closed_ratio0,96
closed_unmerged_prs124
first_time_authors_30d2
first_time_prs_merged_30d2
first_time_prs_decided_30d2

Propiedad y custodia

68Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
15.3/25Alcance del propietario — 135 seguidores de mindee
22.8/25Trayectoria — 29 repos públicos, cuenta de ~6 años
Datos de entrada utilizados
followers135
owner_typeOrganization
is_verifiedno
owner_loginmindee
public_repos29
account_age_days2257

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 27 días
20/20Historial de versiones — 21 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagespython-doctr
ecosystemspypi
any_deprecatedno
min_days_since_publish27

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

96Excepcional · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 14 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 29 out of 29 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://mindee.github.io/doctr/
10/10Descripción del repositorio
10/10Topics — 9 topics
10/10Wiki
Datos de entrada utilizados
topicsocr, deep-learning, document-recognition, tensorflow2, text-detection-recognition, text-detection, text-recognition, optical-character-recognition, pytorch
has_wikisí
homepagehttps://mindee.github.io/doctr/
docs_sitehttps://mindee.github.io/doctr/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

64Moderado · 16% del índice global

Postura de seguridad

55Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2.5/2.5CI-Tests — 29 out of 29 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0.8/7.5Code-Review — Found 5/28 approved changesets -- score normalized to 1
2.5/2.5Contributors — project has 7 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 7 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
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 — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,5
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages57
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:python-doctr@1.1.0 —lo que arrastra la instalación del paquete publicado—: 57 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

72Bueno · 4% del índice global

Contexto y guía para agentes

55Moderado
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://docs.nvidia.com/llms.txt)
40/40Historial de commits legible — 77 de 84 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share0,917
agent_instruction_files—
agent_instruction_max_bytes—

Bucle de verificación (compilación / pruebas / verificación de tipos)

82Excelente
Cómo se puntúa
18/18Arranque con un solo comando — Makefile, api/Makefile, docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
11/11Verificación estática de tipos — doctr/py.typed
10/10Entorno reproducible — Dockerfile
2/10Práctica demostrada con agentes — 1 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 16 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_filesMakefile, api/Makefile, docs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configsdoctr/py.typed
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,16

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (doctr/py.typed)
54.8/55Tamaños de archivo manejables — 1/261 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes102.220
source_files_sampled261
oversized_source_files1

Datos clave

6355estrellas de GitHub
75contribuidores
77commits en los últimos 12 meses
2días desde el último push
22versiones publicadas
2factor bus
18issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'doctr-api' from its registry

Más detalle

Historial de estrellas y forks 0 ★ / 678 ⇿
0Estrellas
678Forks
19Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

0125250375500625750664172021-042024-012026-09
Mayor 1Menor 12Parche 6

Cada punto abarca 5 días.

OpenSSF Scorecard 5.5 / 10
5.5agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-17 17:13 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests29 out of 29 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
1Code-ReviewFound 5/28 approved changesets -- score normalized to 1
10Contributorsproject has 7 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 7 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow 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
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Dependencias directas 21
RegistroPaqueteRestricción de versiónManifiesto
PyPIpython-doctr—api/pyproject.toml
PyPIfastapi>=0.73.0api/pyproject.toml
PyPIuvicorn>=0.11.1api/pyproject.toml
PyPIpython-multipart>=0.0.5api/pyproject.toml
PyPItorch>=2.0.0,<3.0.0pyproject.toml
PyPItorchvision>=0.15.0pyproject.toml
PyPIonnx>=1.12.0,<3.0.0pyproject.toml
PyPInumpy>=1.16.0,<3.0.0pyproject.toml
PyPIscipy>=1.4.0,<2.0.0pyproject.toml
PyPIh5py>=3.1.0,<4.0.0pyproject.toml
PyPIopencv-python>=4.5.0,<6.0.0pyproject.toml
PyPIpypdfium2>=4.11.0,<6.0.0pyproject.toml
PyPIpyclipper>=1.2.0,<2.0.0pyproject.toml
PyPIshapely>=1.6.0,<3.0.0pyproject.toml
PyPIlangdetect>=1.0.9,<2.0.0pyproject.toml
PyPIrapidfuzz>=3.0.0,<4.0.0pyproject.toml
PyPIhuggingface-hub>=0.20.0,<2.0.0pyproject.toml
PyPIPillow>=10.1.0pyproject.toml
PyPIanyascii>=0.3.2pyproject.toml
PyPIvalidators>=0.18.0pyproject.toml
PyPItqdm>=4.30.0pyproject.toml
Todas las dependencias 99

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 37 paquetes directos y 62 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIanyascii—directa
PyPIanyascii0.3.3directa
PyPIfastapi0.141.1directa
PyPIh5py—directa
PyPIh5py3.16.0directa
PyPIhuggingface-hub—directa
PyPIhuggingface-hub1.28.0directa
PyPIlangdetect—directa
PyPIlangdetect1.0.9directa
PyPInumpy—directa
PyPInumpy2.4.6directa
PyPIonnx—directa
PyPIonnx1.22.0directa
PyPIopencv-python—directa
PyPIopencv-python5.0.0.93directa
PyPIpillow—directa
PyPIpillow12.3.0directa
PyPIpyclipper—directa
PyPIpyclipper1.4.0directa
PyPIpypdfium2—directa
PyPIpypdfium25.13.0directa
PyPIpython-multipart0.0.32directa
PyPIrapidfuzz—directa
PyPIrapidfuzz3.14.5directa
PyPIscipy—directa
PyPIscipy1.17.1directa
PyPIshapely—directa
PyPIshapely2.1.2directa
PyPItorch—directa
PyPItorch2.13.0directa
PyPItorchvision—directa
PyPItorchvision0.28.0directa
PyPItqdm—directa
PyPItqdm4.70.0directa
PyPIuvicorn0.52.4directa
PyPIvalidators—directa
PyPIvalidators0.35.0directa
PyPIannotated-doc0.0.5indirecta
PyPIannotated-types0.8.0indirecta
PyPIanyio4.14.2indirecta
PyPIcertifi2026.7.22indirecta
PyPIcharset-normalizer3.5.1indirecta
PyPIclearml—indirecta
PyPIclick8.4.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcuda-bindings13.3.1indirecta
PyPIcuda-pathfinder1.6.1indirecta
PyPIcuda-toolkit13.0.3indirecta
PyPIfilelock3.32.3indirecta
PyPIfsspec2026.7.0indirecta
PyPIh110.16.0indirecta
PyPIhf-xet1.6.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIidna3.19indirecta
PyPIiniconfig2.3.0indirecta
PyPIjinja23.1.6indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib—indirecta
PyPIml-dtypes0.6.0indirecta
PyPImpmath1.3.0indirecta
PyPInetworkx3.6.1indirecta
PyPInvidia-cublas13.1.1.3indirecta
PyPInvidia-cuda-cupti13.0.85indirecta
PyPInvidia-cuda-nvrtc13.0.88indirecta
PyPInvidia-cuda-runtime13.0.96indirecta
PyPInvidia-cudnn-cu139.20.0.48indirecta
PyPInvidia-cufft12.0.0.61indirecta
PyPInvidia-cufile1.15.1.6indirecta
PyPInvidia-curand10.4.0.35indirecta
PyPInvidia-cusolver12.0.4.66indirecta
PyPInvidia-cusparse12.6.3.3indirecta
PyPInvidia-cusparselt-cu130.8.1indirecta
PyPInvidia-nccl-cu132.29.7indirecta
PyPInvidia-nvjitlink13.3.33indirecta
PyPInvidia-nvshmem-cu133.4.5indirecta
PyPInvidia-nvtx13.0.85indirecta
PyPIpackaging26.3indirecta
PyPIpandas—indirecta
PyPIpluggy1.6.0indirecta
PyPIprotobuf7.36.0indirecta
PyPIpydantic2.13.4indirecta
PyPIpydantic-core2.46.4indirecta
PyPIpygments2.21.0indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-asyncio1.4.0indirecta
PyPIpyyaml6.0.3indirecta
PyPIrequests2.34.2indirecta
PyPIsetuptools84.0.0indirecta
PyPIsix1.17.0indirecta
PyPIslack-sdk—indirecta
PyPIstarlette1.6.0indirecta
PyPIstreamlit—indirecta
PyPIsympy1.14.0indirecta
PyPItriton3.7.1indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspection0.4.4indirecta
PyPIurllib32.7.0indirecta
PyPIwandb—indirecta
Avisos de dependencias 0

Instalar pypi:python-doctr@1.1.0 arrastra 57 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con mindee/doctr. Leer en paralelo →

92PT-Perkasa-Pilar-Utama/ppu-paddle-ocrLightweight, probably the fastest PaddleOCR SDK in TypeScript. Multilingual Support. Runs anywhere JavaScript runs: Node.js, Bun, Deno, mobile react-native, web browsers, web worker, and browser extensions. Docker & CLI supported. The official SDK is browser-only.Excelente99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsExcepcional98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional97kornia/kornia🐍 Geometric Computer Vision Library for Spatial AIExcepcional96roboflow/supervisionWe write your reusable computer vision tools. 💜Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.