Parser dokumentów API dla Pythona

Otwarte źródła interfejsów API języka Python do analizowania dokumentów

Odkryj biblioteki Pythona o otwartym kodzie źródłowym przeznaczone do analizowania i wyodrębniania tekstu, obrazów i innych informacji z różnych formatów dokumentów — PDF, DOC/DOCX, XLS/XLSX i HTML itp.

Interfejsy API analizatora dokumentów dla języka Python obejmują

docTR Otwartoźródłowy interfejs API Pythona do wykrywania i rozpoznawania tekstu z wykorzystaniem uczenia głębokiego.

EasyOCR Gotowe do produkcji rozwiązanie OCR z obsługą 80+ języków i wstępnie wytrenowanymi modelami do dokładnej ekstrakcji tekstu.

pdfminer.six Biblioteka języka Python umożliwiająca parsowanie, odczytywanie i wyodrębnianie tekstu wraz z informacjami o formatowaniu z dokumentów PDF.

PyMuPDF Biblioteka parsera PDF w Pythonie umożliwiająca odczyt, analizę składniową i wyodrębnianie tekstu, obrazów, tabel itp. z dokumentów PDF.

pypdf Biblioteka Python PDF Parser umożliwiająca odczytywanie plików PDF oraz wyodrębnianie tekstu, obrazów i załączników z dokumentów PDF.

PyTesseract Otwarty API Python do ekstrakcji tekstu z obrazów przy użyciu Tesseract OCR.

spaCy Szybka i wydajna biblioteka NLP z wstępnie wytrenowanymi modelami dla 20+ języków.

Keras-OCR API Python leve para OCR (Reconhecimento Óptico de Caracteres) usando Keras e TensorFlow.

trOCR Model OCR oparty na Transformerach do rozpoznawania tekstu wielojęzycznego i odręcznego z niezrównaną dokładnością.