text-processing

PyMuPDF 是高性能的 Python 库，用于 PDF（及其他）文档的数据提取、分析、转换和操作。

直观的查找替换 CLI（sed 替代方案）

用于创建 PEG 解析器的 Python 库

文本分类算法综述

用于提升 AI 辅助草稿可读性与自然韵律的开源管线与参考实现

一个适用于 Rust 的快速且便捷的模糊匹配库

波斯语自然语言处理（NLP）工具包

Go 语言中最准确的自然语言检测库，适用于短文本和混合语言文本

用 Rust 实现的快速 Aho-Corasick 算法。

将文本行转换为树状结构的程序。

使用 Python 进行的泰语自然语言处理

高性能且符合 CommonMark 规范的 HTML 转 Markdown 转换器。由 Kreuzberg 团队维护。Kreuzberg 是一个以 Rust 为核心的高速多语言文档智能引擎。它使用流式解析器和内置 OCR 从 98+ 种文档格式中提取结构化数据。

文本规范化与反向文本规范化

全功能文本去重工具

一个精简的 cut(1) 命令克隆版。

text-humanizer 是一个开源项目，旨在将 AI 生成的文本转换为“人性化”版本。可绕过大部分如 Turnitin 或 GPTZero 等 AI 检测器

一个用于将人名解析为各个组成部分的简单 Python 模块

Ekphrasis 是一个文本处理工具，专为来自 Twitter 或 Facebook 等社交网络的文本而设计。Ekphrasis 使用来自两个大型语料库（英文维基百科、Twitter - 3.3亿条英文推文）的单词统计数据，执行标记化、单词规范化、单词分割（用于分割 hashtag）和拼写校正。

开源韩文文本处理器 - 一个开源的韩文文本处理器

将 PDF 与 EPUB 转为有声书；将字幕或视频转为配音视频（包含翻译）等等。完全免费。Pandrator 使用本机模型，包含语音复制（即时、RVC 强化、XTTS 微调）与 LLM 处理。期许成为一个具备图形界面、安装程序与一体化套件的使用者友善应用程序。

用于 AI 驱动文字转换的 Android 无障碍服务

RE2 绑定：回溯式正则表达式引擎的快速且安全替代方案。

无需任何数据库的 SQL 执行环境