pdf-extraction

Analyseur PDF pour des données prêtes pour l'IA. Automatisez l'accessibilité des PDF. Open-source.

Bibliothèque Rust rapide pour l'inspection, la classification et l'extraction de texte PDF. Détecte intelligemment les PDF numérisés par rapport aux PDF textuels pour permettre des décisions de routage intelligentes.

Framework d'intelligence documentaire polyglotte avec un cœur en Rust. Extrait le texte, les métadonnées, les images et les données structurées de 101 formats (115 extensions de fichiers) avec une intelligence de code pour 371 langages. 15 bindings de langages — Rust, Python, Ruby, Java, Go, PHP, Elixir, C#, TypeScript — ainsi qu'une CLI, une API REST et un serveur MCP.

Extraction de données non structurées pilotée par LLM — conçue pour les déploiements d'API et les flux de travail ETL.

TurboOCR, >200 img/s OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC.

Logiciel web open source gratuit pour signer des PDF (seul ou à plusieurs), organiser des pages, modifier les métadonnées et compresser des PDF.

Utiliser TradeRepublic dans le terminal et télécharger en masse tous les documents.

Bindings JavaScript pour MuPDF

Bibliothèque Java d'extraction de tableaux PDF et d'OCR. Extrait des tableaux structurés à partir de PDF textuels ou numérisés via des méthodes de parsing par flux, grille (détection de type OpenCV) et hybride.