ocr — 开源软件健康 — inspect.software

PyPI

87优秀健康指数

Convert 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★ 15.2K↓ 5.1M/月2026年7月18日

Apache-2.02026年7月18日 · 指标 1.13.0

npm · PyPI

82良好健康指数

PaddlePaddle/PaddleOCR

Turn 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★ 85.3K↓ 2.6M/月2026年7月13日

Apache-2.02026年7月13日 · 指标 1.13.0

Maven · npm

79良好健康指数

opendataloader-project/opendataloader-pdf

PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

Java · Python★ 27.3K2026年7月16日

Apache-2.02026年7月16日 · 指标 1.13.0

PyPI

76良好健康指数

RapidAI/RapidOCR

📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.

Python · Jupyter Notebook★ 7,1952026年7月18日

Apache-2.02026年7月18日 · 指标 1.13.0

PyPI

76良好健康指数

pymupdf/pymupdf

PyMuPDF is a high performance Python library for data extraction, analysis, conversion & manipulation of PDF (and other) documents.

Python · SWIG★ 10.2K2026年7月17日

AGPL-3.02026年7月17日 · 指标 1.13.0

NuGet

75良好健康指数

mindee/mindee-api-dotnet

Mindee API Helper Library for .NET ecosystem

C#★ 52026年7月22日

MIT2026年7月22日 · 指标 1.13.0

PyPI

75良好健康指数

ocrmypdf/OCRmyPDF

OCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched

Python★ 34.2K↓ 990.1K/月2026年7月20日

MPL-2.02026年7月20日 · 指标 1.13.0

PyPI

75良好健康指数

opendatalab/MinerU

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

Python★ 74.4K↓ 344K/月2026年7月13日

自定义许可证2026年7月13日 · 指标 1.13.0

crates.io · npm

75良好健康指数

ruvnet/ruvector

RuVector is a High Performance, Real-Time, Self-Learning Ai, Vector GNN, Memory DB built in Rust.

Rust★ 4,351↓ 0/月2026年7月13日

MIT2026年7月13日 · 指标 1.13.0

RubyGems

74良好健康指数

mindee/mindee-api-ruby

Mindee API Helper Library for Ruby

Ruby★ 142026年7月15日

MIT2026年7月15日 · 指标 1.13.0

crates.io · PyPI

74良好健康指数

run-llama/liteparse

A fast, helpful, and open-source document parser

Rust★ 11.5K↓ 0/月2026年7月14日

Apache-2.02026年7月14日 · 指标 1.13.0

74良好健康指数

y3owk1n/neru

Navigate your entire screen without touching the mouse.

Go · Objective-C★ 4652026年7月17日

MIT2026年7月17日 · 指标 1.13.0

Packagist · crates.io · npm +1

73良好健康指数

xberg-io/xberg

A polyglot document intelligence framework with a Rust core. Extract text, metadata, images, and structured information from PDFs, Office documents, images, and 97+ formats. Available for Rust, Python, Ruby, Java, Go, PHP, Elixir, C#, R, C, TypeScript (Node/Bun/Wasm/Deno)- or use via CLI, REST API, or MCP server.

Rust★ 8,675↓ 40/月2026年7月20日

MIT2026年7月20日 · 指标 1.13.0

PyPI

71良好健康指数

datalab-to/surya

OCR, layout analysis, reading order, table recognition in 90+ languages

Python★ 21.1K↓ 893.4K/月2026年7月19日

Apache-2.02026年7月19日 · 指标 1.13.0

crates.io

69中等健康指数

bzsanti/oxidizePdf

Pure Rust PDF library for AI/RAG: structure-aware chunking, no ML, no C deps.

Rust★ 182↓ 6,045/月2026年7月13日

MIT2026年7月13日 · 指标 1.13.0

npm

66中等健康指数

Ontos-AI/knowhere-node-sdk

该仓库未发布描述。

TypeScript★ 1↓ 2,166/月2026年7月19日

MIT2026年7月19日 · 指标 1.13.0

crates.io

65中等健康指数

raphaelmansuy/edgequake-pdf2md

Convert PDF documents to Markdown using Vision Language Models — CLI and library

Rust★ 38↓ 6,547/月2026年7月17日

自定义许可证2026年7月17日 · 指标 1.13.0

PyPI · npm

65中等健康指数

u9401066/asset-aware-mcp

Asset-Aware MCP Server — AI Agent precisely accesses tables, figures, sections from PDFs + .docx round-trip editing (DFM) with 46 tools / 13 resources, segmentation export, layout overlay, OCR preprocessing, knowledge graph (LightRAG)

Python · TypeScript★ 02026年7月22日

Apache-2.02026年7月22日 · 指标 1.13.0

—

64中等健康指数

stranslate/stranslate

A ready-to-go translation ocr tool developed with WPF/WPF 开发的一款即用即走的翻译、OCR工具

C#★ 7,5042026年7月17日

MIT2026年7月17日 · 指标 1.13.0

crates.io

62中等健康指数

zibo-chen/rust-paddle-ocr

高性能OCR识别库，支持上百种语言，提供命令行、图形界面及C API多种调用方式，使用便捷高效。 High-performance OCR library powered by PaddleOCR v4/v5/v6 with MNN backend. Supports 10+ languages (Chinese, English, Japanese, Korean, Arabic, Cyrillic, Thai, etc). Provides Rust crate + C API + CLI tools. Fast, lightweight, easy-to-integrate.

Rust★ 290↓ 10.2K/月2026年7月21日

Apache-2.02026年7月21日 · 指标 1.13.0

npm

61中等健康指数

Anyline/anyline-ocr-react-native-module

Anyline React Native Module for iOS and Android

JavaScript · TypeScript★ 111↓ 3,260/月2026年7月22日

自定义许可证2026年7月22日 · 指标 1.13.0

npm

61中等健康指数

happyvertical/ocr

该仓库未发布描述。

TypeScript★ 0↓ 3,363/月2026年7月15日

MIT2026年7月15日 · 指标 1.13.0

crates.io · Go · npm +2

61中等健康指数

kreuzberg-dev/kreuzberg-lts

Kreuzberg v4 LTS — long-term support for the v4 line (legacy; superseded by xberg for v5+). MIT-licensed.

Rust★ 2↓ 0/月2026年7月13日

MIT2026年7月13日 · 指标 1.13.0

npm

58中等健康指数

heey-global/deep-ocr-n8n

该仓库未发布描述。

TypeScript★ 0↓ 4,479/月2026年7月15日

MIT2026年7月15日 · 指标 1.13.0

npm · Go

57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 1.13.0

Go · npm

56中等健康指数

itmisx/deepx-code

deepseek标配coding agent、原生支持模型路由、CodeGraph代码图谱、OCR截图识别、自动上下文压缩、最佳工作模式选择，workflow等功能，从根本上节省Token

Go★ 3202026年7月22日

MIT2026年7月22日 · 指标 1.13.0

55中等健康指数

ZingYao/autogo_scriptengine

AutoGo 脚本引擎扩展方案 - 为 AutoGo 提供 JavaScript 和 Lua 双引擎支持，包含 20+ 功能模块（应用管理、设备控制、图像识别、OCR、触摸操作、计算机视觉等）。支持方法注册、协程操作、热更新和代码保护，降低自动化开发门槛，提升开发效率，让开发者用熟悉的脚本语言编写自动化任务，无痛迁移其他平台的代码。

Go★ 182026年7月19日

MIT2026年7月19日 · 指标 1.13.0

PyPI

55中等健康指数

madmaze/pytesseract

A Python wrapper for Google Tesseract

Python★ 6,3712026年7月18日

Apache-2.02026年7月18日 · 指标 1.13.0

PyPI

54中等健康指数

kha-white/manga-ocr

Optical character recognition for Japanese text, with the main focus being Japanese manga

Python★ 2,7262026年7月18日

Apache-2.02026年7月18日 · 指标 1.13.0

PyPI

53中等健康指数

breezedeus/CnSTD

CnSTD: 基于 PyTorch/MXNet 的中文/英文场景文字检测（Scene Text Detection）、数学公式检测（Mathematical Formula Detection, MFD）、篇章分析（Layout Analysis）的Python3 包

Python★ 7922026年7月22日

Apache-2.02026年7月22日 · 指标 1.13.0

#ocr