Todas las etiquetas
Etiqueta del catálogo

#tokenizer

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.

76 registros
Con la etiqueta «tokenizer»Ordenado por índice de salud
Go
63Moderadoíndice de salud
bzick/tokenizer
Tokenizer (lexer) for golang
Go★ 1425 sept 2026
MIT5 sept 2026 · métricas 2.10.0
npm
63Moderadoíndice de salud
dazl-dev/tokey
Simple general purpose tokenizer
TypeScript★ 6↓ 35.9K/mes15 sept 2026
MIT15 sept 2026 · métricas 2.10.0
Packagist
63Moderadoíndice de salud
loupe-php/matcher
A library to highlight and crop terms and context within strings such as search results
PHP★ 10↓ 26.3K/mes10 sept 2026
MIT10 sept 2026 · métricas 2.10.0
PyPI · crates.io
63Moderadoíndice de salud
marcelroed/gigatoken
Language model tokenization at GB/s
Rust · Python★ 4093↓ 261.6K/mes12 sept 2026
MIT12 sept 2026 · métricas 2.10.0
npm
63Moderadoíndice de salud
webpro-nl/unbash
Fast 0-deps bash parser written in TypeScript
Shell · TypeScript★ 111↓ 42.4M/mes27 ago 2026
ISC27 ago 2026 · métricas 2.10.0
NuGet
62Moderadoíndice de salud
ProwlEngine/Anthology
The collection of libraries that power the Prowl game engine.
C#★ 2213 sept 2026
MIT13 sept 2026 · métricas 2.10.0
crates.io · npm · PyPI
62Moderadoíndice de salud
bio-rs/bio-rs
AI-ready biological data I/O, validation, and tokenization engine
Rust · Python★ 3↓ 925/mes8 sept 2026
Licencia propia8 sept 2026 · métricas 2.10.0
NuGet
62Moderadoíndice de salud
georg-jung/FastBertTokenizer
Fast and memory-efficient library for WordPiece tokenization as it is used by BERT.
C#★ 5415 sept 2026
MIT15 sept 2026 · métricas 2.10.0
npm · Go
62Moderadoíndice de salud
lancekrogers/tcount
Local Tokenizer/Counter
Go★ 6↓ 74/mes11 sept 2026
MIT11 sept 2026 · métricas 2.10.0
crates.io
59Moderadoíndice de salud
lindera/lindera-tantivy
Lindera tokenizer for Tantivy.
Rust★ 70↓ 8916/mes17 sept 2026
MIT17 sept 2026 · métricas 2.10.0
Packagist
59Moderadoíndice de salud
theseer/tokenizer
A small library for converting tokenized PHP source code into XML (and potentially other formats)
PHP★ 5195↓ 16.2M/mes27 ago 2026
Licencia propia27 ago 2026 · métricas 2.10.0
NuGet
59Moderadoíndice de salud
umutozel/Jokenizer.Net
:hash: C# Expression parser and evaluator, inspired from jokenizer project.
C#★ 1110 sept 2026
MIT10 sept 2026 · métricas 2.10.0
Go
57Moderadoíndice de salud
polydawn/refmt
Object mapping for golang.
Go★ 4823 sept 2026
MIT23 sept 2026 · métricas 2.10.0
Go
57Moderadoíndice de salud
ron2111/omnitoken
Pure-Go LLM tokenizer and tiktoken-compatible token counter for OpenAI BPE, WordPiece, SentencePiece, Gemini, Llama, Mistral, and Hugging Face adapters.
Go★ 65 sept 2026
MIT5 sept 2026 · métricas 2.10.0
Go
56Moderadoíndice de salud
chadsr/ollamatokenizer
Ollama's internal tokenization as API endpoints.
Go★ 120 oct 2026
MIT20 oct 2026 · métricas 2.10.0
npm
54Moderadoíndice de salud
Borewit/token-types
A primitive token library used to read from, and to write a node Buffer
TypeScript★ 11↓ 110M/mes23 sept 2026
MIT23 sept 2026 · métricas 2.10.0
Go
54Moderadoíndice de salud
clipperhouse/uax29
A tokenizer based on Unicode text segmentation (UAX #29), for Go. Split graphemes, words, sentences.
Go★ 12114 sept 2026
MIT14 sept 2026 · métricas 2.10.0
npm
54Moderadoíndice de salud
csstree/csstree
A tool set for CSS including fast detailed parser, walker, generator and lexer based on W3C specs and browser implementations
JavaScript★ 2120↓ 404M/mes16 sept 2026
MIT16 sept 2026 · métricas 2.10.0
crates.io
54Moderadoíndice de salud
linebender/svgtypes
A collection of parsers for SVG types.
Rust★ 82↓ 3.4M/mes19 sept 2026
Apache-2.019 sept 2026 · métricas 2.10.0
PyPI
54Moderadoíndice de salud
tusharsadhwani/pytokens
A fast, spec compliant Python 3.14+ tokenizer that runs on older Pythons.
Python★ 4↓ 89.1M/mes9 sept 2026
MIT9 sept 2026 · métricas 2.10.0
crates.io
51Moderadoíndice de salud
jorge-menjivar/tekken-rs
Rust implementation of the Mistral Tekken tokenizer
Rust★ 723 ago 2026
Apache-2.023 ago 2026 · métricas 2.10.0
npm
51Moderadoíndice de salud
lydell/js-tokens
Tiny JavaScript tokenizer.
JavaScript · CoffeeScript★ 55613 sept 2026
MIT13 sept 2026 · métricas 2.10.0
npm
50Moderadoíndice de salud
Borewit/strtok3
Promise based streaming tokenizer
TypeScript★ 51↓ 112M/mes23 sept 2026
MIT23 sept 2026 · métricas 2.10.0
npm
50Moderadoíndice de salud
qwertymuzaffar/chunklet
Token-aware text chunking for RAG - exact source offsets, sentence and markdown modes, zero dependencies.
TypeScript★ 0↓ 9064/mes20 oct 2026
MIT20 oct 2026 · métricas 2.10.0
npm
50Moderadoíndice de salud
siliconvalleyglobal/TokenSaveOS
El repositorio no publica descripción.
TypeScript · JavaScript★ 2↓ 2563/mes18 sept 2026
Licencia propia18 sept 2026 · métricas 2.10.0
Packagist
50Moderadoíndice de salud
spiral/tokenizer
[READ ONLY] Locate available classes by parent, interface or trait. Subtree split of the Spiral Tokenizer component (see spiral/framework)
PHP★ 18↓ 750.1K/mes20 oct 2026
MIT20 oct 2026 · métricas 2.10.0
PyPI
48Débilíndice de salud
hplt-project/sacremoses
Python port of Moses tokenizer, truecaser and normalizer
Python★ 497↓ 2.7M/mes27 ago 2026
MIT27 ago 2026 · métricas 2.10.0
PyPI
45Débilíndice de salud
polm/fugashi
A Cython MeCab wrapper for fast, pythonic Japanese tokenization and morphological analysis.
C++ · Cython · Python★ 537↓ 786K/mes12 sept 2026
MIT12 sept 2026 · métricas 2.10.0
npm
44Débilíndice de salud
Borewit/tokenizer-inflate
A package designed for handling and extracting data from ZIP files efficiently using a tokenizer-based approach. The library provides a customizable way to parse ZIP archives and extract compressed data while minimizing memory usage.
TypeScript★ 0↓ 97.4M/mes16 sept 2026
MIT16 sept 2026 · métricas 2.10.0
PyPI
44Débilíndice de salud
OpenVoiceOS/quebra_frases
chunks strings into byte sized pieces
Python★ 112 sept 2026
Apache-2.012 sept 2026 · métricas 2.10.0