Unstructured-IO/unstructuredConvert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.
HTML★ 15.4K↓ 3.5M/月2026年9月16日
Python · TypeScript★ 45.2K2026年9月17日
TypeScript · C++★ 1,765↓ 96.5K/月2026年10月17日
crates.io · PyPI · npm +596卓越健康指数
yfedoseev/pdf_oxideThe 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
krkn-chaos/krknChaos and resiliency testing tool for Kubernetes with a focus on improving performance under failure conditions. A CNCF sandbox project.
Python★ 5102026年10月19日
Python★ 184.7K↓ 14.9M/月2026年9月16日
mindee/doctrdocTR (Document Text Recognition) - a seamless, high-performing & accessible library for OCR-related tasks powered by Deep Learning. Ongoing development and maintenance by t2k.
Python★ 6,355↓ 235.7K/月2026年9月17日
ocrmypdf/OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched
Python★ 34.8K↓ 1.2M/月2026年9月16日
PyPI · npm · Maven94卓越健康指数
Java · Python★ 29.3K↓ 233.1K/月2026年9月16日
npm · crates.io · PyPI94卓越健康指数
Rust★ 12.9K↓ 1.2M/月2026年10月20日
PaddlePaddle/PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.
Python · C++★ 89.6K↓ 125/月2026年9月16日
RapidAI/RapidOCR📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.
Python · Jupyter Notebook★ 7,851↓ 3.8M/月2026年9月17日
PT-Perkasa-Pilar-Utama/ppu-paddle-ocrLightweight, 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
TypeScript★ 26↓ 97.7K/月2026年10月6日
ruvnet/RuVectorRuVector provides High Performance, Real-Time decisions and agent memory , Self-Learning Ai, Vector GNN DB built in Rust.
Rust · TypeScript★ 4,599↓ 489.6K/月2026年10月20日
opendatalab/MinerUTransforms 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
y3owk1n/neruNavigate your entire screen without touching the mouse. [mac, linux, windows]
Go★ 6802026年9月9日
SylphxAI/pdf-reader-mcpGive your AI agent eyes for PDFs — structured text, tables, OCR, visual evidence, and page-level citations via MCP. Native Rust, local-first.
TypeScript · Rust★ 933↓ 1,201/月2026年9月18日
jztan/pdf-mcpAn 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.
Python★ 134↓ 6,229/月2026年9月15日
pymupdf/PyMuPDFPyMuPDF is a high performance Python library for data extraction, analysis, conversion & manipulation of PDF (and other) documents.
Python · SWIG★ 10.6K2026年8月28日
robocorp/rpaframeworkCollection of open-source libraries and tools for Robotic Process Automation (RPA), designed to be used with both Robot Framework and Python
Python★ 1,563↓ 748.4K/月2026年9月17日
Python★ 61↓ 8.8M/月2026年9月17日
yusufkaraaslan/Skill_SeekersConvert documentation websites, GitHub repositories, and PDFs into Claude AI skills with automatic conflict detection
Python★ 15K↓ 22.1K/月2026年9月19日
C · Rust★ 9032026年9月15日
CVHub520/X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.
Python★ 10.7K↓ 2,623/月2026年10月15日
C#★ 52026年9月13日
PyPI · npm · crates.io87优秀健康指数
firecrawl/pdf-inspectorFast Rust library for PDF inspection, classification, and text extraction. Intelligently detects scanned vs text-based PDFs to enable smart routing decisions.
Rust★ 19.7K↓ 1.6M/月2026年10月20日
npm · Packagist · crates.io +187优秀健康指数
xberg-io/xbergPolyglot 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★ 9,424↓ 2,541/月2026年10月18日
NuGet · npm · PyPI86优秀健康指数
EvotecIT/OfficeIMOMIT-licensed, COM-free .NET libraries for creating, reading, editing, converting, rendering, and extracting Office, PDF, email, OneNote, and text formats.
C#★ 5442026年9月11日
GreatV/oar-ocrA native Rust toolkit for OCR, document layout analysis, and vision-language document understanding.
Rust★ 191↓ 87.8K/月2026年10月21日