★
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。
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 LL…
opendatalab / MinerU
MinerU
Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.
MinerU 是用 Python 编写的工程工具，用于代码分析、构建与打包。
目前累计 8.3 万 star、6.8k fork，主要语言为 Python，项目始于 2024 年，采用 NOASSERTION 许可。最近状态：本周仍有提交。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。opendatalab/MinerU 是一个以 Python 为主的开源项目，目前累计 83k star、6.8k fork，近 30 天内有提交。主要方向：ai4science、document-analysis、docx、extract-data、layout-analysis、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。ai4sciencedocument-analysisdocxextract-datalayout-analysisOCR解析器pdfpdf-converterpdf-extractor-llmpdf-extractor-pretrainpdf-extractor-rag
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
★
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
★
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。
★
把 PDF、Office 文档、图片、音频等文件统一转换为 Markdown 的 Python 工具，便于喂给大模型。
Python tool for converting files and office documents to Markdown.
★
PayloadsAllTheThings 是用 Python 编写的学习资料，用于系统学习与查阅，主打注重安全。
A list of useful payloads and bypass for Web Application Security and Pentest/CTF