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

crates.io · PyPI · npm +5

96Винятковийіндекс здоров'я

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

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

npm

92Відміннийіндекс здоров'я

PT-Perkasa-Pilar-Utama/ppu-paddle-ocr

Lightweight, probably the fastest PaddleOCR SDK in TypeScript. Multilingual Support. Runs anywhere JavaScript runs: Node.js, Bun, Deno, mobile react-native, web browsers, web worker, and browser extensions. Docker & CLI supported. The official SDK is browser-only.

TypeScript · HTML★ 134↓ 64.2K/міс15 вер. 2026 р.

MIT15 вер. 2026 р. · метрики 2.10.0

npm · crates.io

90Відміннийіндекс здоров'я

SylphxAI/pdf-reader-mcp

Give your AI agent eyes for PDFs — structured text, tables, OCR, visual evidence, and page-level citations via MCP. Native Rust, local-first.

TypeScript · Rust★ 933↓ 1 201/міс18 вер. 2026 р.

MIT18 вер. 2026 р. · метрики 2.10.0

PyPI

90Відміннийіндекс здоров'я

jztan/pdf-mcp

An MCP server that gives your AI agent agentic RAG over your PDFs, one file or a whole folder: hybrid semantic + keyword search, selective page reads, tables, images, OCR, chart data, and multi-column/CJK layouts. The agent decides when to search; pdf-mcp does the retrieval.

Python★ 134↓ 6 229/міс15 вер. 2026 р.

MIT15 вер. 2026 р. · метрики 2.10.0

PyPI

90Відміннийіндекс здоров'я

run-llama/llama-parse-py

Python SDK for OCR and document parsing in the cloud with LlamaParse

Python★ 61↓ 8.8M/міс17 вер. 2026 р.

MIT17 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

NuGet

86Відміннийіндекс здоров'я

ShapeCrawler/ShapeCrawler

PowerPoint .NET library for reading, modifying, and generating PPTX presentations without Microsoft Office

C#★ 44110 вер. 2026 р.

MIT10 вер. 2026 р. · метрики 2.10.0

PyPI

86Відміннийіндекс здоров'я

oomol-lab/pdf-craft

PDF craft can convert PDF files into various other formats. This project will focus on processing PDF files of scanned books.

Python★ 6 314↓ 2 560/міс19 вер. 2026 р.

MIT19 вер. 2026 р. · метрики 2.10.0

npm

86Відміннийіндекс здоров'я

run-llama/llama-parse-ts

Typescript SDK for OCR and document parsing in the cloud with LlamaParse

TypeScript★ 29↓ 285.2K/міс15 вер. 2026 р.

MIT15 вер. 2026 р. · метрики 2.10.0

crates.io

84Відміннийіндекс здоров'я

bzsanti/oxidizePdf

Pure Rust PDF library for AI/RAG: structure-aware chunking, no ML, no C deps.

Rust★ 193↓ 36.6K/міс20 жовт. 2026 р.

MIT20 жовт. 2026 р. · метрики 2.10.0

npm

81Відміннийіндекс здоров'я

extend-hq/extend-typescript-sdk

An SDK to use the extend.ai API

TypeScript★ 6↓ 324.1K/міс11 вер. 2026 р.

MIT11 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

80Відміннийіндекс здоров'я

PSPDFKit-labs/nutrient-dws-client-typescript

This library provides a type-safe and ergonomic interface for document processing operations including conversion, merging, compression, watermarking, and text extraction using Nutrient DWS Processor API.

TypeScript★ 37↓ 6 696/міс24 вер. 2026 р.

MIT24 вер. 2026 р. · метрики 2.10.0

PyPI · npm

78Добрийіндекс здоров'я

u9401066/asset-aware-mcp

Turn PDF, DOCX, tables, and figures into citation-ready reusable agent assets and Foam/LightRAG wikis — MCP SDK 2 server plus VS Code extension

Python · TypeScript★ 0↓ 677/міс12 вер. 2026 р.

Apache-2.012 вер. 2026 р. · метрики 2.10.0

crates.io · npm · PyPI

77Добрийіндекс здоров'я

wxyhgk/retain-pdf

在保留版面、公式与结构的前提下进行 PDF 翻译，适用于科研与技术文档

Python · Rust · TypeScript★ 2 29419 вер. 2026 р.

MIT19 вер. 2026 р. · метрики 2.10.0

NuGet

75Добрийіндекс здоров'я

iyulab/FileFlux

.NET RAG document processing library that transforms PDF, DOCX, HWP, and more into optimized chunks via a 5-stage pipeline with Rust-based FFI readers.

C#★ 520 жовт. 2026 р.

MIT20 жовт. 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

crates.io

69Добрийіндекс здоров'я

HyunjoJung/rwml

Native Rust Microsoft Word reader (.doc/.docx) + .docx writer + native PDF renderer — no JVM, panic-free, MIT

Rust · Python★ 2↓ 6 051/міс17 жовт. 2026 р.

MIT17 жовт. 2026 р. · метрики 2.10.0

npm · Go

67Добрийіндекс здоров'я

giraffesyo/downmark

Fast, pure-Go document-to-Markdown conversion for PDFs, Office files, HTML, CSV, ZIPs, and text—available as a CLI and modular library.

Go★ 0↓ 1 347/міс5 вер. 2026 р.

MIT5 вер. 2026 р. · метрики 2.10.0

npm

63Помірнийіндекс здоров'я

Heey-Global/deep-ocr-n8n

Опис репозиторію не опубліковано.

TypeScript★ 0↓ 440/міс8 вер. 2026 р.

MIT8 вер. 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

crates.io

60Помірнийіндекс здоров'я

clark-labs-inc/pdfsink-rs

Fast pure-Rust PDF extraction library and CLI by Clark Labs Inc. — 10–50x faster than pdfplumber for text, word, table, layout, image, and metadata extraction.

Rust · Python★ 24↓ 2 255/міс16 жовт. 2026 р.

MIT16 жовт. 2026 р. · метрики 2.10.0

60Помірнийіндекс здоров'я

giraffesyo/pdf

Robust, zero-dependency PDF text extraction for Go, with positioned glyphs, reading- order reconstruction, and hardened parsing.

Go★ 05 вер. 2026 р.

MIT5 вер. 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

PyPI · npm

57Помірнийіндекс здоров'я

complydoc/complydoc

Know your documents before they reach an LLM

Python · TypeScript★ 8↓ 2 805/міс9 жовт. 2026 р.

MIT9 жовт. 2026 р. · метрики 2.10.0

npm · PyPI

56Помірнийіндекс здоров'я

linhut/document-ai-assistant

AI 公文智能优化助手 — 基于 GB/T 9704 标准的公文格式智能检测与优化桌面应用，可本地离线部署

Python · TypeScript · HTML★ 10719 вер. 2026 р.

MIT19 вер. 2026 р. · метрики 2.10.0

npm

53Помірнийіндекс здоров'я

xmutfyh/dsh-plugin-writing-guard

Scientific writing & document integrity guard for AI-assisted research — argument economy, deterministic integrity, safe Word editing. Local · Deterministic · Zero LLM.

JavaScript · TypeScript · Python★ 46↓ 3 883/міс12 жовт. 2026 р.

MIT12 жовт. 2026 р. · метрики 2.10.0

PyPI

48Слабкийіндекс здоров'я

vorojar/Folio-OCR

Open-source batch OCR workbench — a free, local alternative to ABBYY FineReader. Powered by Ollama + GLM-OCR + PP-DocLayoutV3, ~0.5s/page on RTX 4090. Three-panel editor, layout-aware, PDF/image batch processing, Markdown/Word export. 批量OCR工作台，纯本地运行，免费平替ABBYY，适合书籍文档数字化。

Python · JavaScript · CSS★ 47319 вер. 2026 р.

MIT19 вер. 2026 р. · метрики 2.10.0

npm

31У зоні ризикуіндекс здоров'я

mixpeek/connectors

Integration connectors for Mixpeek — modules and plug‑ins that bring Mixpeek’s contextual intelligence to third‑party ecosystems.

JavaScript★ 1↓ 4 712/міс30 вер. 2026 р.

Без ліцензії30 вер. 2026 р. · метрики 2.10.0

#document-processing