库 / 框架
标签
同类项目
unstructured15.6k为大模型 提供 非 结构化文档 解析 切分 的 开源 ETL库， 支持 PDF 等 多 格式 转 结构化数据。 
ade-cli2.4k在终端 运行 的 文档 智 能 解析 提取 工具， 可 将 含 表格 图表 的 文档 转为 Markdown 并 按 模型 抽取带证据 的 字段。 
indra1.1k1M param OCR model - runs on CPU, 15x faster than tesseract, close to 1B+ param models in accuracy
docling69.8k文档解析 与 转换 框架， 支持 PDF、 DOCX、 PPTX、 HTML 等 格式， 输出 Markdown 或 JSON， 并 可 接入 LangChain、 MCP 与 API 服务。 
EasyOCR30.1k开箱即用 的 多语 言 文 字识别Python库， 支持 中 英阿 等八十 余 种 语言识别。 
PyMuPDF11k基于MuPDF 的 高性 能 Python文档库， 提供 文本 表格 图像 提取、 渲染 注释 与 文档 编辑 等 完整 API。