extraction — 开源软件健康

npm · PyPI

91优秀健康指数

Open-source memory and context for user-aware agents: scoped memory, provenance, retrieval quality, correction, boundaries, evals, and MCP/HTTP access.

TypeScript★ 176↓ 203.7K/月2026年8月22日

MIT2026年8月22日 · 指标 2.10.0

npm · Packagist · crates.io +1

90优秀健康指数

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.

Rust★ 9,228↓ 1,625/月2026年8月28日

MIT2026年8月28日 · 指标 2.10.0

PyPI

87优秀健康指数

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.

Python★ 1,6662026年8月13日

Apache-2.02026年8月13日 · 指标 2.10.0

NuGet

80优秀健康指数

ARKlab/Artesian.SDK

C# Library for Artesian

C#★ 02026年9月4日

MIT2026年9月4日 · 指标 2.10.0

Packagist

80优秀健康指数

j0k3r/php-readability

A fork of https://bitbucket.org/fivefilters/php-readability

PHP★ 184↓ 31.1K/月2026年7月20日

Apache-2.02026年7月20日 · 指标 2.10.0

npm · crates.io · RubyGems +5

78良好健康指数

retab-dev/retab

The developper starter pack for document processing

Go · Ruby · Python★ 45↓ 822/月2026年8月7日

无许可证2026年8月7日 · 指标 2.10.0

—

78良好健康指数

soenneker/soenneker.compression.sevenzip

A utility library for 7zip compression related operations

C#★ 32026年7月15日

MIT2026年7月15日 · 指标 2.10.0

—

77良好健康指数

soenneker/soenneker.compression.tar.xz

A utility library dealing with Tar and XZ (tar.xz) extraction/archiving and (de)compression

C#★ 02026年7月17日

MIT2026年7月17日 · 指标 2.10.0

crates.io · npm

75良好健康指数

theiskaa/readabilityrs

Rust port of Mozilla's standalone readability library

Rust★ 89↓ 74.3K/月2026年8月11日

Apache-2.02026年8月11日 · 指标 2.10.0

NuGet

71良好健康指数

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.

C#★ 52026年8月29日

MIT2026年8月29日 · 指标 2.10.0

Packagist

69良好健康指数

symfony/property-access

Provides functions to read and write from/to an object or array using a simple string notation

PHP★ 2,814↓ 9.5M/月2026年8月27日

MIT2026年8月27日 · 指标 2.10.0

PyPI

67良好健康指数

MaartenGr/KeyBERT

Minimal keyword extraction with BERT

Python★ 4,2142026年8月13日

MIT2026年8月13日 · 指标 2.10.0

crates.io · PyPI

67良好健康指数

chatnoir-eu/chatnoir-resiliparse

A robust web archive analytics toolkit

Rust · Cython · Python★ 144↓ 137/月2026年8月18日

Apache-2.02026年8月18日 · 指标 2.10.0

npm

63中等健康指数

laurengarcia/url-metadata

npm module: Fetch a url & scrape the metadata from its HTML with Node.js or the browser.

JavaScript★ 172↓ 95.4K/月2026年9月6日

MIT2026年9月6日 · 指标 2.10.0

npm · Go

62中等健康指数

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.

Go★ 6↓ 166/月2026年7月22日

自定义许可证2026年7月22日 · 指标 2.10.0

npm · PyPI · crates.io +1

62中等健康指数

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/

Python · Go · MDX★ 0↓ 665/月2026年9月5日

MIT2026年9月5日 · 指标 2.10.0

npm

60中等健康指数

vosjs/vos

Programmatic video engine for the web — compile a declarative config into deterministic motion graphics and video (Three.js, GSAP, 2D, HTML). The open engine behind vos.so.

TypeScript★ 3↓ 6,690/月2026年7月23日

MIT2026年7月23日 · 指标 2.10.0

Packagist

59中等健康指数

rize/UriTemplate

PHP URI Template (RFC 6570) supports both URI expansion & extraction

PHP★ 418↓ 4.4M/月2026年8月4日

MIT2026年8月4日 · 指标 2.10.0

Packagist

57中等健康指数

TYPO3-Solr/ext-tika

A TYPO3 CMS extension that provides Apache Tika functionality