एक स्क्रैपिंग API जो पूरी वेबसाइट को LLM के लिए उपयुक्त Markdown या संरचित डेटा में बदल देता है।
Tesseract
历史最悠久的开源 OCR 引擎。
- रिपॉज़िटरी
- tesseract-ocr/tesseract
- स्टार
- ★ 77,041
- फ़ोर्क
- 10,846
- भाषा
- C++
- लाइसेंस
- Apache-2.0
- अंतिम अपडेट
- 2026-10-10
- विज़िट
- 1
OCR
मिलते-जुलते प्रोजेक्ट
Baidu PaddlePaddle की OCR टूल लाइब्रेरी, सौ से अधिक भाषाओं, PP-OCR और दस्तावेज़ पार्सिंग का एकीकरण।
PDF जैसे दस्तावेज़ों को उच्च गुणवत्ता के साथ Markdown / JSON में बदलता है, LLM कॉर्पस के लिए।
IBM का ओपन-सोर्स दस्तावेज़ पार्सिंग टूल, PDF / Office को संरचित डेटा में बदलता है।
微软出品，把 Office、PDF 等文件转为 Markdown 供 LLM 使用。
🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl! Don't be shy, join here: https://discord.gg/EMgGbDceNQ and follow here for daily tips and tricks: https://x.com/