tesseract — 开源软件健康

PyPI

91优秀健康指数

ocrmypdf/OCRmyPDF

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

Python★ 34.4K2026年8月5日

MPL-2.02026年8月5日 · 指标 2.10.0

PyPI

90优秀健康指数

pymupdf/PyMuPDF

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

Python · SWIG★ 10.6K2026年8月28日

AGPL-3.02026年8月28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

—

89优秀健康指数

CCExtractor/ccextractor

CCExtractor - Official version maintained by the core team

C · Rust★ 8952026年7月31日

GPL-2.02026年7月31日 · 指标 2.10.0

npm

86优秀健康指数

harshankur/officeParser

A robust, strictly-typed Node.js and Browser library for parsing office files into a rich Abstract Syntax Tree (AST) and generating high-fidelity output in multiple formats. Parses: docx · pptx · xlsx · odt · odp · ods · pdf · rtf · csv · md · html. Generates: Markdown · HTML · CSV · RTF · PDF · Plain Text · RAG Chunks

Rich Text Format · HTML★ 533↓ 2.9M/月2026年8月27日

MIT2026年8月27日 · 指标 2.10.0

npm

78良好健康指数

scribeocr/scribe.js

JavaScript OCR and text extraction for images and PDFs.

JavaScript★ 307↓ 24.4K/月2026年7月26日

AGPL-3.02026年7月26日 · 指标 2.10.0

npm

71良好健康指数

happyvertical/ocr

该仓库未发布描述。