extract

動画のハード字幕抽出とsrtファイルの生成。サードパーティAPIの申請は不要で、ローカルでテキスト認識を実現。字幕領域検出と字幕内容抽出を含む、深層学習ベースの動画字幕抽出フレームワーク。

data load tool (dlt) は、データローディングを容易にするオープンソースのPythonライブラリです 🛠️

SwiftSoup: Pure Swift HTMLパーサー。DOM、CSS、jqueryのベスト機能を搭載（Linux、iOS、Mac、tvOS、watchOSをサポート）

PDFsamは、PDFファイルを分割、結合、ミックス、回転させ、ページを抽出するためのデスクトップアプリケーションです

データベースのサブセット化およびリレーショナルデータ閲覧ツール。

最新のOCRとOllama対応モデルを使用した、ドキュメント（PDF、Word、PPTXなど）の抽出・解析API。ドキュメントの匿名化、PIIの削除、あらゆるドキュメントや画像の構造化JSONまたはMarkdownへの変換。

obfuscator.io の難読化解除、コードの整形、バンドルされた JavaScript のアンパック

Open Graph、JSON-LD、HTML メタタグ、およびスマートフォールバックを使用して、あらゆる URL からメタデータをスクレイピングします。

この拡張機能は現在、Microsoftのフォークで保守されています。

PDF から表形式データを抽出するための Web インターフェース

様々な種類のフォントファイルの読み込み、パース、エクスポート、サブセット化を行うライブラリ

Windows Installer（.msi）ファイルの内容を表示および抽出するツール

Tavily Python SDKを使用すると、Tavily APIと簡単に連携でき、Pythonプログラムから直接、検索、抽出、クロール、マッピング、リサーチ機能の全範囲を利用できます。Tavilyの強力な機能を活用して、スマート検索、コンテンツ抽出、リサーチ機能をアプリケーションに簡単に統合できます。

tmux 用 extrakto - マウスを使用せずにテキストを素早く選択、コピー、挿入、補完

Xbox ISO作成・抽出ユーティリティ。SourceForgeからインポート。

⛓ Webリンクの情報を抽出：タイトル、説明、画像、動画など（OpenGraph経由）。モバイルおよびNode.jsで動作します。

Sling は、ソースストレージ/データベースからデータを抽出し、ターゲットストレージ/データベースにロードする CLI ツールです。

文書から構造化データを迅速かつ正確に抽出します。

すべての JavaScript ソース/ファイルを高速に取得するツール

ファイルのコメントからTODOやFIXMEを解析して出力する

完全な ETL を備えた .net 開発者向けの大量データ処理

ドキュメント用のセルフホスト型検索エンジン

画面のスニペットからテキスト、QR コード、バーコード、色をキャプチャする。

.zip、.rar、.bz2、.gz、.zlib、.tar、.tbz2、.tgz、.Z、.7z、.xz、.exe、.tar.bz2、.tar.gz、.tar.xzなどのファイルを抽出するBash/Zsh関数

PhpZipは、ZIPアーカイブを拡張操作するためのPHPライブラリです。