table-extraction

Analysez un PDF pour obtenir des informations détaillées sur chaque caractère, rectangle, ligne, etc., et extrayez facilement du texte et des tableaux.

PyMuPDF est une bibliothèque Python haute performance pour l'extraction, l'analyse, la conversion et la manipulation de documents PDF (et autres).

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.

Table Transformer (TATR) est un modèle d'apprentissage profond pour extraire des tableaux de documents non structurés (PDF et images). Il s'agit également du dépôt officiel pour le jeu de données PubTables-1M et la métrique d'évaluation GriTS.

Une boîte à outils sur site pour l'extraction de données non structurées sans OCR, la conversion en markdown et l'évaluation comparative.

Conversion de PDF en Markdown via des LLM de vision — préservation des tableaux, de la mise en page et de la structure

img2table est une bibliothèque Python d'identification et d'extraction de tableaux pour PDF et images, basée sur le traitement d'image OpenCV

ParseBench - Un benchmark d'analyse de documents pour les agents IA.