text-processing

PyMuPDF 是高效能的 Python 函式庫，用於 PDF（及其他）文件的資料擷取、分析、轉換與操作。

直觀的搜尋取代 CLI（sed 替代方案）

用於建立 PEG 解析器的 Python 函式庫

文本分類演算法綜述

用於提升 AI 輔助草稿可讀性與自然韻律的開源管線與參考實作

一個適用於 Rust 的快速且便利的模糊匹配庫

波斯語自然語言處理（NLP）工具包

Go 語言中最準確的自然語言偵測函式庫，適用於短文字與混合語言文字

用 Rust 實作的快速 Aho-Corasick 演算法。

將文字行轉換為樹狀結構的程式。

使用 Python 進行的泰語自然語言處理

高效能且符合 CommonMark 規範的 HTML 轉 Markdown 轉換器。由 Kreuzberg 團隊維護。Kreuzberg 是一個以 Rust 為核心的高速多語言文件智慧引擎。它使用串流解析器和內建的 OCR 從 98+ 種文件格式中提取結構化資料。

文字正規化與反向文字正規化

全功能文字去重複工具

一個精簡的 cut(1) 命令複製版。

text-humanizer 是一個開源專案，旨在將 AI 生成的文字轉換為「人性化」版本。可繞過大部分如 Turnitin 或 GPTZero 等 AI 偵測器

一個用於將人名解析為各個組成部分的簡單 Python 模組

Ekphrasis 是一個文字處理工具，專為來自 Twitter 或 Facebook 等社群網路的文字而設計。Ekphrasis 使用來自兩個大型語料庫（英文維基百科、Twitter - 3.3億條英文推文）的單字統計數據，執行標記化、單字正規化、單字分割（用於分割 hashtag）和拼字校正。

開源韓文文字處理器 - 一個開源的韓文文字處理器

將 PDF 與 EPUB 轉為有聲書；將字幕或影片轉為配音影片（包含翻譯）等等。完全免費。Pandrator 使用本機模型，包含語音複製（即時、RVC 強化、XTTS 微調）與 LLM 處理。期許成為一個具備圖形介面、安裝程式與一體化套件的使用者友善應用程式。

用於 AI 驅動文字轉換的 Android 無障礙服務

RE2 綁定：回溯式正規表示式引擎的快速且安全替代方案。

無需任何資料庫的 SQL 執行環境