文档与内容处理 · GitHub Star 总榜

1microsoft / markitdown将常见文件及 Office 文档转换为 Markdown 的 Python 工具。PythonMIT · 宽松，可直接商用194,118

2gohugoio / hugo作者声明：世界上最快的网站构建框架。GoApache-2.0 · 宽松，可直接商用90,389

3tesseract-ocr / tesseract将图片中的文字转换为可处理文本的 OCR 引擎。C++Apache-2.0 · 宽松，可直接商用77,380

4run-llama / llama_index面向 AI 应用的文档处理平台。PythonMIT · 宽松，可直接商用52,778

5chenglou / pretext快速、准确、全面的文本测量和布局TypeScript许可证未声明50,994

6nlohmann / json现代 C++ 的 JSONC++MIT · 宽松，可直接商用50,844

7The-Vibe-Company / quivr将持续内容流接入检索与监控的引擎，包含摄取、混合搜索、提醒和插件机制。GoMIT · 宽松，可直接商用39,633

8naptha / tesseract.js适用于 100 多种语言的纯 Javascript OCR 📖🎉🖥JavaScriptApache-2.0 · 宽松，可直接商用38,807

9markedjs / marked将 Markdown 转换为 HTML 的解析库。JavaScript许可证未声明37,292

10hankcs / HanLP中文分词词性标注命名实体识别依存句法分析成分句法分析语义依存分析语义角色标注指代消解风格转换语义相似度新词发现关键词短语提取自动摘要文本分类聚类拼音简繁转换自然语言处理PythonApache-2.0 · 宽松，可直接商用36,538

11fxsjy / jieba结巴中文分词PythonMIT · 宽松，可直接商用35,230

12cheeriojs / cheerio用于解析和操作 HTML 和 XML 的快速、灵活且优雅的库。TypeScriptMIT · 宽松，可直接商用30,534

13opendataloader-project / opendataloader-pdf为 AI 数据处理提供 PDF 解析，并支持 PDF 无障碍处理自动化。JavaApache-2.0 · 宽松，可直接商用30,184

14OpenAPITools / openapi-generatorOpenAPI 生成器允许在给定 OpenAPI 规范（v2、v3）的情况下自动生成 API 客户端库（SDK 生成）、服务器存根、文档和配置JavaApache-2.0 · 宽松，可直接商用26,850

15highlightjs / highlight.jsJavaScript 语法荧光笔，具有语言自动检测和零依赖性。JavaScriptBSD-3-Clause · 宽松，可直接商用25,013

16firecrawl / anydoc将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 转换为干净的 Markdown。使用 Rust 构建，具有 Node.js 和 Python 绑定。RustMIT · 宽松，可直接商用23,322

17SwiftyJSON / SwiftyJSON在 Swift 中处理 JSON 数据的更好方法。SwiftMIT · 宽松，可直接商用22,916

18markdown-it / markdown-it支持 CommonMark 与扩展插件的 JavaScript Markdown 解析器。TypeScriptMIT · 宽松，可直接商用22,023

19xbmc / xbmcKodi 是一款屡获殊荣的免费开源家庭影院/媒体中心软件和数字媒体娱乐中心。凭借其漂亮的界面和强大的换肤引擎，它可用于 Android、BSD、Linux、macOS、iOS、tvOS 和 Windows。C++许可证未声明21,440

20firecrawl / pdf-inspector用于 PDF 检查、分类与文本提取的 Rust 库，可区分扫描件与文本型 PDF。RustMIT · 宽松，可直接商用19,917