document-parsing — здоров'я програмного забезпечення з відкритим кодом

PyPI

98Винятковийіндекс здоров'я

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

PyPI · npm · Maven

94Винятковийіндекс здоров'я

opendataloader-project/opendataloader-pdf

PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

Java · Python★ 29.3K↓ 233.1K/міс16 вер. 2026 р.

Apache-2.016 вер. 2026 р. · метрики 2.10.0

npm · crates.io · PyPI

94Винятковийіндекс здоров'я

run-llama/liteparse

A fast, helpful, and open-source document parser

Rust★ 12.9K↓ 1.2M/міс20 жовт. 2026 р.

Apache-2.020 жовт. 2026 р. · метрики 2.10.0

PyPI · npm

93Винятковийіндекс здоров'я

PaddlePaddle/PaddleOCR

Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.

Python · C++★ 89.6K↓ 125/міс16 вер. 2026 р.

Apache-2.016 вер. 2026 р. · метрики 2.10.0

PyPI

91Відміннийіндекс здоров'я

ggozad/haiku.rag

Agentic RAG for local and self-hosted document search: hybrid retrieval, reranking and multimodal RAG on embedded LanceDB, with Docling parsing and an MCP server

Python★ 622↓ 9 960/міс8 жовт. 2026 р.

MIT8 жовт. 2026 р. · метрики 2.10.0

PyPI

91Відміннийіндекс здоров'я

opendatalab/MinerU

Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.

Python★ 80K↓ 141.6K/міс16 вер. 2026 р.

Власна ліцензія16 вер. 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

PyPI

81Відміннийіндекс здоров'я

shcherbak-ai/contextgem

ContextGem: Effortless LLM extraction from documents

Python · Jupyter Notebook★ 2 003↓ 11K/міс20 вер. 2026 р.

Apache-2.020 вер. 2026 р. · метрики 2.10.0

npm

77Добрийіндекс здоров'я

Ontos-AI/knowhere-node-sdk

Опис репозиторію не опубліковано.

TypeScript★ 1↓ 870/міс11 вер. 2026 р.

MIT11 вер. 2026 р. · метрики 2.10.0

Packagist · Go · crates.io +2

75Добрийіндекс здоров'я

kreuzberg-dev/kreuzberg-lts

Kreuzberg v4 LTS — long-term support for the v4 line (legacy; superseded by xberg for v5+). MIT-licensed.

Rust · HTML★ 18↓ 2/міс20 жовт. 2026 р.

MIT20 жовт. 2026 р. · метрики 2.10.0

npm

62Помірнийіндекс здоров'я

Sqhao-O/dsh-docs

Fully local document intelligence for DeepSeek Harness. Parse PDF, Office files, images, and scanned documents with offline OCR. | DeepSeek Harness 全本地文档智能插件，支持 PDF、Office、图片与离线 OCR

TypeScript · Python · JavaScript★ 13↓ 2 003/міс18 вер. 2026 р.

MIT18 вер. 2026 р. · метрики 2.10.0

PyPI

62Помірнийіндекс здоров'я

kensho-technologies/grits

GriTS metric for table extraction

Python★ 3↓ 2 243/міс16 жовт. 2026 р.

MIT16 жовт. 2026 р. · метрики 2.10.0

npm · Go

59Помірнийіндекс здоров'я

laiye-ai/adp-cli

The official Laiye ADP CLI and skill built for humans and agents. It enables agents to perform parsing, classification, extraction, validation on any type of documents with high accuracy.

Go★ 7↓ 98/міс12 вер. 2026 р.

Власна ліцензія12 вер. 2026 р. · метрики 2.10.0

56Помірнийіндекс здоров'я

nawodyaishan/pdf2md-tui

High-speed PDF → Markdown ingestion engine for multimodal RAG pipelines. Extracts structured text + isolated images so downstream chunkers, LlamaIndex, and VLM agents get context that actually works

Go★ 419 вер. 2026 р.

MIT19 вер. 2026 р. · метрики 2.10.0

PyPI

41Слабкийіндекс здоров'я

Edgaras0x4E/paddleocr-pdf-api

A self-hosted PDF OCR API that converts scanned documents to markdown. Powered by PaddleOCR-VL, runs on GPU via Docker.

Python★ 2519 вер. 2026 р.

Без ліцензії19 вер. 2026 р. · метрики 2.10.0

#document-parsing