Усі теги
Тег каталогу

#document-parser

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.

10 записів
З тегом «document-parser»Упорядковано за індексом здоров'я
PyPI
98Винятковийіндекс здоров'я
Unstructured-IO/unstructured
Convert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.
HTML★ 15.4K↓ 3.5M/міс16 вер. 2026 р.
Apache-2.016 вер. 2026 р. · метрики 2.10.0
PyPI
98Винятковийіндекс здоров'я
docling-project/docling
Get your documents ready for gen AI
Python★ 66.5K↓ 3.2M/міс16 вер. 2026 р.
MIT16 вер. 2026 р. · метрики 2.10.0
crates.io · PyPI · npm +5
96Винятковийіндекс здоров'я
yfedoseev/pdf_oxide
The fastest PDF library for Python and Rust. Text extraction, image extraction, markdown conversion, PDF creation & editing. 0.8ms mean, 5× faster than industry leaders, 100% pass rate on 3,830 PDFs. MIT/Apache-2.0.
Rust★ 1 089↓ 487K/міс21 жовт. 2026 р.
Apache-2.021 жовт. 2026 р. · метрики 2.10.0
PyPI · npm
90Відміннийіндекс здоров'я
Marker-Inc-Korea/AutoRAG
AutoRAG: Now your agent can find anything in your computer. It gets smarter if you are using it frequently.
TypeScript · Python★ 5 073↓ 2 320/міс15 вер. 2026 р.
Власна ліцензія15 вер. 2026 р. · метрики 2.10.0
crates.io · npm · PyPI +1
89Відміннийіндекс здоров'я
yfedoseev/office_oxide
The fastest Office document library for Python, Rust, Go, JS/TS, C# and WASM. DOCX, XLSX, PPTX, DOC, XLS, PPT. Up to 100× faster than python-docx/openpyxl/python-pptx. 100% pass rate on valid Office files. MIT/Apache-2.0.
Rust★ 154↓ 286K/міс20 жовт. 2026 р.
Apache-2.020 жовт. 2026 р. · метрики 2.10.0
Packagist
87Відміннийіндекс здоров'я
PrinsFrank/pdfparser
PHP library to read and extract text & images from PDFs - Fast & Low memory - Built from scratch
PHP★ 171↓ 9 237/міс8 вер. 2026 р.
MIT8 вер. 2026 р. · метрики 2.10.0
npm
86Відміннийіндекс здоров'я
harshankur/officeParser
A robust, strictly-typed Node.js and Browser library for parsing office files into a rich Abstract Syntax Tree (AST) and generating high-fidelity output in multiple formats. Parses: docx · pptx · xlsx · odt · odp · ods · pdf · rtf · csv · md · html. Generates: Markdown · HTML · CSV · RTF · PDF · Plain Text · RAG Chunks
Rich Text Format · HTML★ 533↓ 2.9M/міс27 серп. 2026 р.
MIT27 серп. 2026 р. · метрики 2.10.0
npm
84Відміннийіндекс здоров'я
chrisryugj/kordoc
모두 파싱해버리겠다 — HWP·HWPX·PDF·Office 문서를 Markdown으로. 양식 자동 채우기와 신구대조를 갖춘 CLI·MCP 서버 | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff
TypeScript★ 2 622↓ 142K/міс20 жовт. 2026 р.
MIT20 жовт. 2026 р. · метрики 2.10.0
PyPI · npm
83Відміннийіндекс здоров'я
run-llama/llama_cloud_services
Knowledge Agents and Management in the Cloud
TypeScript · Python★ 4 26619 вер. 2026 р.
MIT19 вер. 2026 р. · метрики 2.10.0
npm
63Помірнийіндекс здоров'я
mdgate/converters
Read almost any file as Markdown for AI agents and LLM apps. 150+ formats, pure TypeScript — PDF, Office, iWork, HWP, email, ebooks, archives, and more.
TypeScript★ 2↓ 30.9K/міс30 вер. 2026 р.
MIT30 вер. 2026 р. · метрики 2.10.0