★
MinerU 是用 Python 编写的工程工具，用于代码分析、构建与打包。
Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.
PaddlePaddle / PaddleOCR
PaddleOCR
Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.
PaddleOCR 是用 Python 编写的工程工具，用于代码分析、构建与打包，主打轻量、功能完整。
目前累计 9.1 万 star、1.1 万 fork，主要语言为 Python，项目始于 2020 年，采用 Apache-2.0 许可。最近状态：近半年有提交。适合：关注构建效率的工程师。
中文介绍优先采用本站人工维护条目；无维护条目时依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经项目方确认，不构成选型结论。PaddlePaddle/PaddleOCR 是一个以 Python 为主的开源项目，目前累计 91k star、11k fork，近半年有提交。主要方向：ai4science、chineseocr、document-parsing、document-translation、kie、OCR。
依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经人工逐项核实。ai4sciencechineseocrdocument-parsingdocument-translationkieOCRpaddleocr-vlpdf-extractor-ragpdf-parserpdf2markdownpp-ocrpp-structure
README
正在加载…相关项目
★
docling 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。
Get your documents ready for gen AI
★
OCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。
OCR software, free and offline. 开源、免费的离线OCR软件。支持截屏/批量导入图片，PDF文档识别，排除水印/页眉页脚，扫描/生成二维码。内置多国语言库。
★
paperless-ngx 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理。
A community-supported supercharged document management system: scan, index and archive all your documents
★
Python 的高层 Web 框架，自带后台、ORM 与认证，适合快速构建完整站点。
The Web framework for perfectionists with deadlines.
★
Scrapling 是用 Python 编写的爬虫框架，用于网页抓取与数据采集。
🕷️ The BEST Web Scraping framework that handles everything from a single request to a full-scale crawl! Don't be shy, join here: https://discord.gg…