Etiqueta del catálogo

#corpus

Todos los repositorios del registro público que llevan esta etiqueta, procedente de sus topics de GitHub o de las palabras clave que publican sus registros de paquetes. La salud se mide con la misma metodología versionada que el resto del registro.

4 registros

Con la etiqueta «corpus»Ordenado por índice de salud

PyPI

72Buenoíndice de salud

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

Python★ 631218 jul 2026

Apache-2.018 jul 2026 · métricas 1.13.0

PyPI

63Moderadoíndice de salud

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.

Python★ 217 jul 2026

Licencia propia17 jul 2026 · métricas 1.13.0

PyPI

54Moderadoíndice de salud

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)

Python★ 1↓ 11.3K/mes16 jul 2026

Apache-2.016 jul 2026 · métricas 1.13.0

RubyGems

53Moderadoíndice de salud

yohasebe/wp2txt

A command-line tool to extract plain text from Wikipedia dumps with category and section filtering

Ruby★ 19519 jul 2026

MIT19 jul 2026 · métricas 1.13.0