npm · PyPI
joshuaswarren/remnic
Open-source memory and context for user-aware agents: scoped memory, provenance, retrieval quality, correction, boundaries, evals, and MCP/HTTP access.
MIT2026年10月20日 · 指标 2.10.0
全部标签
目录标签
#extraction
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。
40 条记录
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.
MIT2026年10月18日 · 指标 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-2.02026年9月17日 · 指标 2.10.0
Packagist
j0k3r/php-readability
A fork of https://bitbucket.org/fivefilters/php-readability
Apache-2.02026年9月11日 · 指标 2.10.0
NuGet
soenneker/soenneker.compression.sevenzip
A utility library for 7zip compression related operations
MIT2026年9月8日 · 指标 2.10.0
npm
Ismail-elkorchi/dir-archiver
Directory archiving CLI and library for ZIP, TAR, and layered compression across Node.js, Deno, and Bun.
MIT2026年9月15日 · 指标 2.10.0
NuGet
soenneker/soenneker.compression.tar.xz
A utility library dealing with Tar and XZ (tar.xz) extraction/archiving and (de)compression
MIT2026年9月10日 · 指标 2.10.0
NuGet
ARKlab/Artesian.SDK
C# Library for Artesian
MIT2026年10月21日 · 指标 2.10.0
PyPI
MaartenGr/KeyBERT
Minimal keyword extraction with BERT
MIT2026年9月17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
npm · crates.io · RubyGems +5
retab-dev/retab
The developper starter pack for document processing
无许可证2026年9月17日 · 指标 2.10.0
Packagist
thephpleague/uri
[READ-ONLY] URI manipulation Library
MIT2026年10月20日 · 指标 2.10.0
Packagist
TYPO3-Solr/ext-tika
A TYPO3 CMS extension that provides Apache Tika functionality
GPL-3.02026年9月10日 · 指标 2.10.0
npm
context4ai/context
A lightweight knowledge system for small‑and‑medium teams tailored to AI Agents. It compiles Feishu Docs, local Markdown, code structures and curated business data into structured, traceable knowledge, guiding Agents to retrieve high‑quality content via pattern‑driven reasoning and exploration.
MIT2026年9月14日 · 指标 2.10.0
Packagist
symfony/property-access
Provides functions to read and write from/to an object or array using a simple string notation
MIT2026年8月27日 · 指标 2.10.0
crates.io · npm
theiskaa/readabilityrs
Rust port of Mozilla's standalone readability library
Apache-2.02026年9月17日 · 指标 2.10.0
PyPI · crates.io
chatnoir-eu/chatnoir-resiliparse
A robust web archive analytics toolkit
Apache-2.02026年10月19日 · 指标 2.10.0
PyPI
datalab-to/omni_extract_bench
A consistent, fair, benchmark for structured extraction.
Apache-2.02026年10月16日 · 指标 2.10.0
PyPI · crates.io · npm
weberdak/transtractor-lib
A Rust-based library for PDF bank statement extraction. Includes Python and WASM bindings. Aspires to be a universal parser. Checkout the website to see it deployed as a web app.
MIT2026年9月15日 · 指标 2.10.0
npm · PyPI · crates.io +1
muthuishere/citenexus
Evidence-first, multilingual, S3-native RAG — answers only from cited evidence (exact quote, page, bbox) and abstains when the evidence is weak, missing or conflicting. The guarantee is "no ungrounded claim". Byte-identical core across Python, Go and JavaScript. Docs: https://muthuishere.github.io/citenexus/
MIT2026年10月21日 · 指标 2.10.0
Packagist
joomla-framework/archive
Joomla Framework Archive Package
GPL-2.02026年9月17日 · 指标 2.10.0
npm
laurengarcia/url-metadata
npm module: Fetch a url & scrape the metadata from its HTML with Node.js or the browser.
MIT2026年9月6日 · 指标 2.10.0
PyPI
EverMind-AI/EverAlgo
EverAlgo is the algorithm library behind EverMind's memory system — stateless, storage-free, focused on extraction and ranking only. Orchestration, persistence, and routing live upstream in evermem.
Apache-2.02026年10月13日 · 指标 2.10.0
—
MacPaw/XADMaster
Objective-C library for archive and file unarchiving and extraction
LGPL-2.12026年9月18日 · 指标 2.10.0
crates.io · RubyGems · NuGet +1
nchapman/trafilatura-rs
Extract readable content, comments, and metadata from web pages
Apache-2.02026年10月19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
crates.io · PyPI
nchapman/justext-rs
Rust port of JusText — paragraph-level boilerplate removal for HTML
BSD-2-Clause2026年10月17日 · 指标 2.10.0
npm
vosjs/vos
A video is just inputs and a function, rendered. The open programmatic video engine: deterministic, resolution-independent, mixed media.
MIT2026年9月13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
crates.io · PyPI
nchapman/readability-rs
Rust port of readability — extract readable content from HTML
MIT2026年10月17日 · 指标 2.10.0