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
npm · crates.io · PyPI94卓越健康指数
Rust★ 12.9K↓ 1.2M/月2026年10月20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
adbar/trafilaturaPython & Command-line tool to gather text and metadata on the Web: Crawling, scraping, extraction, output as CSV, JSON, HTML, MD, TXT, XML
Python★ 6,718↓ 14M/月2026年8月28日
npm · Packagist · crates.io +189优秀健康指数
xberg-io/html-to-markdownHigh performance and CommonMark compliant HTML to Markdown converter. Maintained by the Kreuzberg team. Kreuzberg is a fast, polyglot document intelligence engine with a Rust core. It extracts structured data from 98+ document formats using streaming parsers and built-in OCR.
HTML · Rust★ 869↓ 1,033/月2026年9月14日
crates.io · npm · PyPI +189优秀健康指数
yfedoseev/office_oxideThe fastest Office document library for Python, Rust, Go, JS/TS, C# and WASM. DOCX, XLSX, PPTX, DOC, XLS, PPT. Up to 100× faster than python-docx/openpyxl/python-pptx. 100% pass rate on valid Office files. MIT/Apache-2.0.
Rust★ 154↓ 286K/月2026年10月20日
PrinsFrank/pdfparserPHP library to read and extract text & images from PDFs - Fast & Low memory - Built from scratch
PHP★ 171↓ 9,237/月2026年9月8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
harshankur/officeParserA 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
oomol-lab/pdf-craftPDF craft can convert PDF files into various other formats. This project will focus on processing PDF files of scanned books.
Python★ 6,314↓ 2,560/月2026年9月19日
airmang/python-hwpxPure Python HWPX automation: read, edit, generate, and validate documents without Hancom Office.
Python★ 108↓ 115.9K/月2026年9月12日
bzsanti/oxidizePdfPure Rust PDF library for AI/RAG: structure-aware chunking, no ML, no C deps.
Rust★ 193↓ 36.6K/月2026年10月20日
chrismattmann/tika-pythonTika-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9月17日
C++ · TypeScript · C★ 4↓ 40.8K/月2026年9月10日
coregx/gxpdfGxPDF - Enterprise-grade PDF library for Go. Table extraction, text parsing, encryption, document creation.
Go★ 492026年9月17日
unjs/unpdf📄 PDF extraction and rendering across all JavaScript runtimes
TypeScript · JavaScript★ 1,234↓ 11.5M/月2026年9月16日
Packagist · Go · crates.io +275良好健康指数
Rust · HTML★ 18↓ 2/月2026年10月20日
unidoc/unipdfGolang PDF library for creating and processing PDF files (pure go)
Go★ 3,1182026年9月20日
iyulab/unpdfHigh-performance Rust PDF extraction library with Markdown/JSON output, CJK/RTL support, multi-column layout detection, and Python/.NET/CLI bindings.
Rust★ 55↓ 2,472/月2026年9月12日
PHP · HTML★ 9↓ 13K/月2026年9月10日
TypeScript★ 0↓ 8,235/月2026年9月8日
TypeScript★ 0↓ 7,308/月2026年9月13日
4thel00z/pdfbossFrom-scratch Rust PDF toolkit for Python: fast page rendering and text extraction via PyO3. Benchmarked faster than mainstream Python PDF libraries
Rust★ 10↓ 4,395/月2026年9月15日
C · C++★ 276↓ 376/月2026年9月19日
TypeScript★ 0↓ 440/月2026年9月8日
Rust · Python★ 2↓ 23.8K/月2026年8月28日
TypeScript · JavaScript★ 97↓ 54.7K/月2026年9月16日
mgilbir/pdf0A PDF parser, serializer and conformance validator in Go — PDF 1.x and 2.0 — covering PDF/A, PDF/UA, PDF/X, PDF/VT, PDF/R and Factur-X, with PAdES signing, encryption and text/image extraction.
Go★ 02026年9月20日
clark-labs-inc/pdfsink-rsFast 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.
Rust · Python★ 24↓ 2,255/月2026年10月16日