npm · crates.io · PyPI
run-llama/liteparse
A fast, helpful, and open-source document parser
Apache-2.02026年10月20日 · 指标 2.10.0
全部标签
目录标签
#document-processing
公开记录中带有此标签的全部仓库——标签来自其 GitHub 主题或软件包注册表发布的关键词。健康度量遵循与记录其余部分相同的版本化方法论。
30 条记录
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-2.02026年9月5日 · 指标 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, web worker, and browser extensions. Docker & CLI supported. The official SDK is browser-only.
MIT2026年9月15日 · 指标 2.10.0
npm · crates.io
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.
MIT2026年9月18日 · 指标 2.10.0
PyPI
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.
MIT2026年9月15日 · 指标 2.10.0
PyPI
run-llama/llama-parse-py
Python SDK for OCR and document parsing in the cloud with LlamaParse
MIT2026年9月17日 · 指标 2.10.0
crates.io · npm · PyPI +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-2.02026年10月20日 · 指标 2.10.0
NuGet
ShapeCrawler/ShapeCrawler
PowerPoint .NET library for reading, modifying, and generating PPTX presentations without Microsoft Office
MIT2026年9月10日 · 指标 2.10.0
PyPI
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.
MIT2026年9月19日 · 指标 2.10.0
npm
run-llama/llama-parse-ts
Typescript SDK for OCR and document parsing in the cloud with LlamaParse
MIT2026年9月15日 · 指标 2.10.0
crates.io
bzsanti/oxidizePdf
Pure Rust PDF library for AI/RAG: structure-aware chunking, no ML, no C deps.
MIT2026年10月20日 · 指标 2.10.0
npm
extend-hq/extend-typescript-sdk
An SDK to use the extend.ai API
MIT2026年9月11日 · 指标 2.10.0
PyPI
shcherbak-ai/contextgem
ContextGem: Effortless LLM extraction from documents
Apache-2.02026年9月20日 · 指标 2.10.0
npm
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.
MIT2026年9月24日 · 指标 2.10.0
PyPI · npm
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
Apache-2.02026年9月12日 · 指标 2.10.0
crates.io · npm · PyPI
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
MIT2026年9月19日 · 指标 2.10.0
NuGet
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.
MIT2026年10月20日 · 指标 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.
MIT2026年10月20日 · 指标 2.10.0
crates.io
HyunjoJung/rwml
Native Rust Microsoft Word reader (.doc/.docx) + .docx writer + native PDF renderer — no JVM, panic-free, MIT
MIT2026年10月17日 · 指标 2.10.0
npm · Go
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.
MIT2026年9月5日 · 指标 2.10.0
npm
Heey-Global/deep-ocr-n8n
该仓库未发布描述。
MIT2026年9月8日 · 指标 2.10.0
npm
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
MIT2026年9月18日 · 指标 2.10.0
crates.io
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.
MIT2026年10月16日 · 指标 2.10.0
Go
giraffesyo/pdf
Robust, zero-dependency PDF text extraction for Go, with positioned glyphs, reading- order reconstruction, and hardened parsing.
MIT2026年9月5日 · 指标 2.10.0
npm · Go
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.
自定义许可证2026年9月12日 · 指标 2.10.0
PyPI · npm
complydoc/complydoc
Know your documents before they reach an LLM
MIT2026年10月9日 · 指标 2.10.0
npm · PyPI
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
MIT2026年9月19日 · 指标 2.10.0
npm
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.
MIT2026年10月12日 · 指标 2.10.0
PyPI
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。
MIT2026年9月19日 · 指标 2.10.0
npm
mixpeek/connectors
Integration connectors for Mixpeek — modules and plug‑ins that bring Mixpeek’s contextual intelligence to third‑party ecosystems.
无许可证2026年9月30日 · 指标 2.10.0