Все репозитории

docling

Библиотека от IBM для разбора документов: PDF, Office, HTML и картинки превращаются в единую структуру, из которой легко получить Markdown. Поддерживает визуальные модели для сложных страниц.

Кому подойдёт

Python-разработчикам, которые готовят документы для RAG и хотят сохранить структуру.

Как начать

  1. Установи: pip install docling.
  2. Конвертируй документ из терминала: docling https://arxiv.org/pdf/2206.01062.
  3. В коде используй DocumentConverter().convert(source) — так рекомендует README.

Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.

Звёзды за последние 30 дней

+1 49521 окт. — 18 нояб.
69 22870 723

Описание автора

Get your documents ready for gen AI

firecrawl

firecrawl

Растёт быстрее всех

Сервис, который превращает любой сайт в чистый Markdown или структурированные данные для моделей. Умеет искать, скрейпить, обходить сайт целиком и даже кликать по странице.

203 тыс.звёзд+9,3 тыс. за 30 дн.TypeScript

microsoft

markitdown

Растёт быстрее всех

Небольшая утилита от Microsoft: превращает PDF, Word, PowerPoint, Excel и другие файлы в Markdown, который удобно отдавать языковой модели.

196 тыс.звёзд+3,7 тыс. за 28 дн.Python

infiniflow

ragflow

Готовый RAG-движок с интерфейсом: разбирает документы по шаблонам, режет на фрагменты, ищет с цитатами и умеет агентный поиск. Разворачивается через Docker.

94 тыс.звёзд+1,8 тыс. за 30 дн.Go

unclecode

crawl4ai

Открытый краулер на Python: заходит на страницы настоящим браузером и отдаёт чистый Markdown для LLM. Работает локально, в Docker или как облачный сервис.

88 тыс.звёзд+1,5 тыс. за 30 дн.Python

opendatalab

MinerU

Разбирает сложные PDF, сканы и офисные файлы в Markdown или JSON, сохраняя таблицы и формулы. Есть CLI, Python SDK и навык для агентов.

84 тыс.звёзд+1,3 тыс. за 28 дн.Python

Mintplex-Labs

anything-llm

Готовое приложение «чат с вашими документами»: подключаешь любую модель и векторную базу, загружаешь файлы и общаешься. Есть десктопная версия и Docker, есть агенты.

68 тыс.звёзд+998 за 30 дн.JavaScript