全部项目

8 个仓库 · 数据更新于 2026-11-07

含不活跃和已归档

正在加载…

1PaddlePaddle / PaddleOCR将任何 PDF 或图像文档转换为 AI 的结构化数据。一个强大、轻量级的 OCR 工具包，可弥合图像/PDF 和大语言模型之间的差距。支持 100 多种语言。PythonApache-2.0 · 宽松，可直接商用92,379

2opendatalab / MinerU将 PDF 和 Office 文档等复杂文档转换为适合您的 Agentic 工作流程的 LLM 就绪 Markdown/JSON。Python许可证未声明83,254

3firecrawl / 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19,922

4run-llama / liteparse一个快速、有用的开源文档解析器RustApache-2.0 · 宽松，可直接商用12,994

5py-pdf / pypdf一个纯Python PDF库，能够分割、合并、裁剪和转换PDF文件的页面Python许可证未声明10,290

6bytedance / Dolphin“Dolphin：通过异构锚点提示进行文档图像解析”的官方存储库，ACL，2025。Python许可证未声明不活跃9,067

7oomol-lab / pdf-craftPDF craft可以将PDF文件转换为各种其他格式。该项目将重点处理扫描书籍的 PDF 文件。PythonMIT · 宽松，可直接商用6,492

8yobix-ai / extractous快速高效的非结构化数据提取。用 Rust 编写，具有多种语言的绑定。RustApache-2.0 · 宽松，可直接商用不活跃1,787