document-analysis — 开源软件健康

npm

92优秀健康指数

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/月2026年9月15日

MIT2026年9月15日 · 指标 2.10.0

PyPI

91优秀健康指数

opendatalab/MinerU

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

Python★ 80K↓ 141.6K/月2026年9月16日

自定义许可证2026年9月16日 · 指标 2.10.0

NuGet

88优秀健康指数

UglyToad/PdfPig

Read and extract text and other content from PDFs in C# (port of PDFBox)

C#★ 2,5592026年9月9日

Apache-2.02026年9月9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

PyPI

80优秀健康指数

zoharbabin/due-diligence-agents

Legal flags a risk. Finance flags another. We connect and cite. Open-source forensic M&A due diligence: 13 AI agents read your data room across 9 domains (Legal, Finance, Commercial, Tech, Cyber, HR, Tax, Regulatory, ESG), cross-reference findings no single reviewer connects, and trace every one to an exact page & quote.

Python★ 1062026年9月21日

Apache-2.02026年9月21日 · 指标 2.10.0

npm · crates.io · RubyGems +5

73良好健康指数

retab-dev/retab

The developper starter pack for document processing

Go · Ruby · Python★ 45↓ 236/月2026年9月17日

无许可证2026年9月17日 · 指标 2.10.0

npm

69良好健康指数

mysleekdesigns/crawlforge-mcp

31 MCP tools that give Claude, Cursor and any MCP client the live web — scrape, crawl, search, real Google rank, change tracking, document parsing, plus an autonomous agent that researches from a plain-English prompt with no URLs. Clean Markdown and schema-validated JSON, not raw HTML. Local-Ollama extraction by default. MIT, 1,000 free credits.

JavaScript★ 2↓ 5,464/月2026年10月21日

MIT2026年10月21日 · 指标 2.10.0

npm

67良好健康指数

cesarandreslopez/occ

Document metrics, structure extraction, and code exploration for real repositories

TypeScript★ 6↓ 2,263/月2026年7月14日

MIT2026年7月14日 · 指标 2.10.0

npm

60中等健康指数

xiehuan123/dsh-deepread

Evidence-first reading for AI agents — turn articles, books and PDFs into traceable claims, evidence, source locations and knowledge maps.

JavaScript · TypeScript★ 61↓ 2,986/月2026年10月21日

MIT2026年10月21日 · 指标 2.10.0

PyPI · npm

57中等健康指数

complydoc/complydoc

Know your documents before they reach an LLM

Python · TypeScript★ 8↓ 2,805/月2026年10月9日

MIT2026年10月9日 · 指标 2.10.0

PyPI

12危急健康指数

ispras/dedoc

Dedoc is a library (service) for automate documents parsing and bringing to a uniform format. It automatically extracts content, logical structure, tables, and meta information from textual electronic documents. (Parse document; Document content extraction; Logical structure extraction; PDF parser; Scanned document parser; DOCX parser; HTML parser

Python · HTML★ 737↓ 509/月2026年10月19日

Apache-2.02026年10月19日 · 指标 2.10.0

#document-analysis