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 серп. 2026 р. · метрики 2.10.0
Усі теги
Тег каталогу
#corpus
Усі репозиторії публічного реєстру з цим тегом — із тем GitHub або ключових слів, які публікують їхні реєстри пакетів. Здоров'я вимірюється за тією ж версіонованою методологією, що й решта реєстру.
5 записів
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.
Власна ліцензія17 лип. 2026 р. · метрики 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-2.016 лип. 2026 р. · метрики 2.10.0
Go
czcorpus/cqlizer
Predicting time-consuming CQL queries in language corpora
Apache-2.024 лип. 2026 р. · метрики 2.10.0
RubyGems
yohasebe/wp2txt
A command-line tool to extract plain text from Wikipedia dumps with category and section filtering
MIT19 лип. 2026 р. · метрики 2.10.0