data-extraction — 开源软件健康

PyPI · npm

97卓越健康指数

Apify SDK for Python—The official library for building Apify Actors: serverless cloud programs for web scraping, browser automation, data processing, and AI agents. Manages the Actor lifecycle, storages (datasets, key-value stores, request queues), events, proxies, and pay-per-event monetization. Built on top of the the Apify API Client.

Python · MDX★ 176↓ 232.6K/月2026年9月11日

Apache-2.02026年9月11日 · 指标 2.10.0

crates.io · PyPI · npm +5

96卓越健康指数

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/月2026年10月21日

Apache-2.02026年10月21日 · 指标 2.10.0

PyPI

94卓越健康指数

D4Vinci/Scrapling

🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl! Don't be shy, join here: https://discord.gg/EMgGbDceNQ

Python★ 81.4K2026年9月16日

BSD-3-Clause2026年9月16日 · 指标 2.10.0

PyPI

94卓越健康指数

ScrapeGraphAI/Scrapegraph-ai

Python scraper based on AI

Python★ 31K2026年9月16日

MIT2026年9月16日 · 指标 2.10.0

PyPI · Packagist · crates.io +2

94卓越健康指数

firecrawl/firecrawl

The context API to search, scrape, and interact with the web at scale. 🔥

TypeScript · Python★ 181.1K↓ 5.8M/月2026年9月16日

AGPL-3.02026年9月16日 · 指标 2.10.0

crates.io · npm · PyPI

91优秀健康指数

fastcrw/crw

Fast, lightweight Firecrawl/Tavily alternative in Rust. Web scraper, crawler & search API with MCP server for AI agents. Drop-in Firecrawl-compatible API (/scrape, /crawl, /search). 2.3x faster than Tavily, 1.5x faster than Firecrawl in 1K-URL benchmarks. 6 MB RAM, single binary. Self-host or use managed cloud.

Rust★ 1,095↓ 10.6K/月2026年10月2日

AGPL-3.02026年10月2日 · 指标 2.10.0

crates.io · npm · PyPI

91优秀健康指数

us/crw

Rust★ 1,032↓ 10.7K/月2026年9月16日

AGPL-3.02026年9月16日 · 指标 2.10.0

npm

89优秀健康指数

Xquik-dev/tweetclaw

OpenClaw plugin for Twitter search, follower exports, monitoring & approved X actions. Not affiliated with X Corp.

TypeScript · JavaScript★ 91↓ 1,114/月2026年9月10日

MIT2026年9月10日 · 指标 2.10.0

PyPI

89优秀健康指数

soxoj/socid-extractor

⛏️ The extraction engine behind Maigret: turn any profile URL into a structured OSINT record across 150+ sites

Python★ 1,089↓ 73.7K/月2026年9月18日

MIT2026年9月18日 · 指标 2.10.0

crates.io · npm · PyPI +1

89优秀健康指数

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/月2026年10月20日

Apache-2.02026年10月20日 · 指标 2.10.0

Go · npm

87优秀健康指数

Xquik-dev/x-twitter-scraper-go

Go SDK for Twitter search, profiles, followers, media, webhooks, and X automation through Xquik. Not affiliated with X Corp.

Go★ 02026年9月10日

Apache-2.02026年9月10日 · 指标 2.10.0

npm

87优秀健康指数

getmaxun/maxun

🔥 The open-source no-code platform for web scraping, crawling, search and AI data extraction • Turn websites into structured APIs in minutes 🔥

TypeScript★ 17.5K2026年9月16日

AGPL-3.02026年9月16日 · 指标 2.10.0

PyPI

87优秀健康指数

lasp/space_packet_parser

A CCSDS telemetry packet decoding library based on the XTCE packet format description standard.

Python★ 39↓ 7,909/月2026年9月15日

自定义许可证2026年9月15日 · 指标 2.10.0

84优秀健康指数

Xquik-dev/x-twitter-scraper-cli

Twitter search CLI for profiles, followers, media, monitoring, webhooks, and X automation through Xquik. Not affiliated with X Corp.

Go★ 02026年9月9日

Apache-2.02026年9月9日 · 指标 2.10.0

crates.io

84优秀健康指数

bzsanti/oxidizePdf

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

Rust★ 193↓ 36.6K/月2026年10月20日

MIT2026年10月20日 · 指标 2.10.0

Packagist · PyPI

84优秀健康指数

cognesy/instructor-php

Unified LLM API, structured data outputs with LLMs, and agent SDK - in PHP

PHP★ 327↓ 5,576/月2026年9月12日

MIT2026年9月12日 · 指标 2.10.0

PyPI

84优秀健康指数

thinh-vu/vnstock

A beginner-friendly yet powerful Python toolkit for financial analysis and automation — built to make modern investing accessible to everyone

Python★ 1,3962026年9月14日

自定义许可证2026年9月14日 · 指标 2.10.0

PyPI · npm

83优秀健康指数

Xquik-dev/x-twitter-scraper-python

Python SDK for Twitter search, profiles, followers, media, webhooks, and X automation through Xquik. Not affiliated with X Corp.

Python★ 7↓ 656/月2026年9月13日

Apache-2.02026年9月13日 · 指标 2.10.0

npm

81优秀健康指数

brightdata/brightdata-mcp

A powerful Model Context Protocol (MCP) server that provides an all-in-one solution for public web access.

JavaScript★ 2,651↓ 33.4K/月2026年9月19日

MIT2026年9月19日 · 指标 2.10.0

npm

81优秀健康指数

extend-hq/extend-typescript-sdk

An SDK to use the extend.ai API

TypeScript★ 6↓ 324.1K/月2026年9月11日

MIT2026年9月11日 · 指标 2.10.0

PyPI

81优秀健康指数

shcherbak-ai/contextgem

ContextGem: Effortless LLM extraction from documents

Python · Jupyter Notebook★ 2,003↓ 11K/月2026年9月20日

Apache-2.02026年9月20日 · 指标 2.10.0

npm

78良好健康指数

scrapfly/typescript-scrapfly

Official TypeScript/JavaScript SDK for the Scrapfly platform: web scraping, screenshots, AI extraction, crawling, and a remote anti-bot browser. Ships to npm, JSR, and Deno.

TypeScript★ 232026年10月17日

自定义许可证2026年10月17日 · 指标 2.10.0

npm

75良好健康指数

ben-vargas/pi-packages

Packages for Pi - extensions, skills, prompt templates, and themes.

TypeScript★ 117↓ 3,384/月2026年9月18日

MIT2026年9月18日 · 指标 2.10.0

npm

75良好健康指数

firecrawl/cli

CLI and Agent Skill for Firecrawl - Add scrape, search, and browsing capabilities to your AI agents

TypeScript★ 631↓ 81.9K/月2026年9月13日

无许可证2026年9月13日 · 指标 2.10.0

Packagist · Go · crates.io +2

75良好健康指数

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/月2026年10月20日

MIT2026年10月20日 · 指标 2.10.0

npm

73良好健康指数

brightdata/sdk-js

Bright Data's JS SDK, use it to call bright data's scrape and search tools. bypass any Bot-detection or Captcha and extract data from the web.

TypeScript★ 15↓ 37.5K/月2026年9月15日

MIT2026年9月15日 · 指标 2.10.0

73良好健康指数

context-dot-dev/context-go-sdk

Context.dev Go SDK: scrape any URL to LLM-ready markdown, crawl sites, search the web and extract structured JSON with one API key.

Go★ 12026年10月20日

Apache-2.02026年10月20日 · 指标 2.10.0

—

71良好健康指数

extractus/article-extractor

To extract article from given URL

TypeScript · HTML★ 1,9102026年8月28日

MIT2026年8月28日 · 指标 2.10.0

npm

71良好健康指数

scrape-badger/scrapebadger-node

Official Node.js SDK for ScrapeBadger - Async web scraping APIs for Twitter and more

TypeScript★ 2↓ 3,672/月2026年9月5日

MIT2026年9月5日 · 指标 2.10.0

PyPI

69良好健康指数

SukramJ/openccu-data

Data-extraction pipeline and source-of-truth distribution for Homematic CCU configuration metadata — parses OCCU/RaspberryMatic TCL & JS into compact, typed JSON artifacts (easymodes, translations, profiles).

Python★ 0↓ 207.7K/月2026年9月11日

MIT2026年9月11日 · 指标 2.10.0

#data-extraction