npm · crates.io · PyPI
run-llama/liteparse
A fast, helpful, and open-source document parser
Apache-2.022 серп. 2026 р. · метрики 2.10.0
Усі теги
Тег каталогу
#text-extraction
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.
28 записів
crates.io · PyPI · npm +5
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.
Apache-2.05 вер. 2026 р. · метрики 2.10.0
npm
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, and browser extensions. Docker & CLI supported. The official SDK is browser-only.
MIT1 серп. 2026 р. · метрики 2.10.0
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
npm · Packagist · crates.io +1
xberg-io/xberg
Polyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.
MIT28 серп. 2026 р. · метрики 2.10.0
PyPI
chrismattmann/tika-python
Tika-Python is a Python binding to the Apache Tika™ REST services allowing Tika to be called natively in the Python community.
Apache-2.013 серп. 2026 р. · метрики 2.10.0
Packagist · crates.io · npm +1
xberg-io/html-to-markdown
High performance and CommonMark compliant HTML to Markdown converter. Maintained by the Kreuzberg team. Kreuzberg is a fast, polyglot document intelligence engine with a Rust core. It extracts structured data from 56+ document formats using streaming parsers and built-in OCR.
MIT27 лип. 2026 р. · метрики 2.10.0
crates.io · PyPI · npm +1
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.
Apache-2.022 серп. 2026 р. · метрики 2.10.0
Packagist
PrinsFrank/pdfparser
PHP library to read and extract text & images from PDFs - Fast & Low memory - Built from scratch
MIT15 лип. 2026 р. · метрики 2.10.0
PyPI · npm · crates.io
firecrawl/pdf-inspector
Fast Rust library for PDF inspection, classification, and text extraction. Intelligently detects scanned vs text-based PDFs to enable smart routing decisions.
MIT22 серп. 2026 р. · метрики 2.10.0
npm
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
MIT27 серп. 2026 р. · метрики 2.10.0
crates.io
bzsanti/oxidizePdf
Pure Rust PDF library for AI/RAG: structure-aware chunking, no ML, no C deps.
MIT22 серп. 2026 р. · метрики 2.10.0
PyPI
airmang/python-hwpx
Pure Python HWPX automation: read, edit, generate, and validate documents without Hancom Office.
Apache-2.020 лип. 2026 р. · метрики 2.10.0
Go
coregx/gxpdf
GxPDF - Enterprise-grade PDF library for Go. Table extraction, text parsing, encryption, document creation.
MIT7 серп. 2026 р. · метрики 2.10.0
npm
unjs/unpdf
📄 PDF extraction and rendering across all JavaScript runtimes
MIT5 серп. 2026 р. · метрики 2.10.0
npm
xonaman/nodejs-pdfium-native
Native Node.js bindings for PDFium
MIT17 лип. 2026 р. · метрики 2.10.0
npm
happyvertical/ocr
Опис репозиторію не опубліковано.
MIT15 лип. 2026 р. · метрики 2.10.0
crates.io
iyulab/unpdf
High-performance Rust PDF extraction library with Markdown/JSON output, CJK/RTL support, multi-column layout detection, and Python/.NET/CLI bindings.
MIT21 лип. 2026 р. · метрики 2.10.0
npm
happyvertical/pdf
Опис репозиторію не опубліковано.
MIT23 лип. 2026 р. · метрики 2.10.0
Packagist · Go · crates.io +2
kreuzberg-dev/kreuzberg-lts
Kreuzberg v4 LTS — long-term support for the v4 line (legacy; superseded by xberg for v5+). MIT-licensed.
MIT22 серп. 2026 р. · метрики 2.10.0
crates.io · PyPI
developer0hye/pdfplumber-rs
Evidence-driven PDF extraction for Rust, with an alpha Python pdfplumber migration path.
Apache-2.028 серп. 2026 р. · метрики 2.10.0
npm
heey-global/deep-ocr-n8n
Опис репозиторію не опубліковано.
MIT15 лип. 2026 р. · метрики 2.10.0
npm
johannschopplich/pdfjs-serverless
🪭 PDF.js redistributed as a single bundle for edge and serverless runtimes
MIT5 серп. 2026 р. · метрики 2.10.0
Go
giraffesyo/pdf
Robust, zero-dependency PDF text extraction for Go, with positioned glyphs, reading- order reconstruction, and hardened parsing.
MIT5 вер. 2026 р. · метрики 2.10.0
Packagist
TYPO3-Solr/ext-tika
A TYPO3 CMS extension that provides Apache Tika functionality
GPL-3.017 лип. 2026 р. · метрики 2.10.0
PyPI
miso-belica/jusText
Heuristic based boilerplate removal tool
BSD-2-Clause27 серп. 2026 р. · метрики 2.10.0
PyPI · crates.io
4thel00z/pdfboss
From-scratch Rust PDF toolkit for Python: fast page rendering and text extraction via PyO3 — benchmarked faster than mainstream Python PDF libraries
Apache-2.031 лип. 2026 р. · метрики 2.10.0
PyPI
cdown/srt
A simple library and set of tools for parsing, modifying, and composing SRT files.
MIT19 серп. 2026 р. · метрики 2.10.0