API de scraping que transforma sites inteiros em Markdown ou dados estruturados prontos para LLMs.
olmOCR
AI2 的 PDF 线性化工具包，用视觉语言模型解析文档。
- Categoria
- 📄 Análise de documentos e scraping
- Repositório
- allenai/olmocr
- Estrelas
- ★ 19.751
- Forks
- 1.645
- Linguagem
- Python
- Licença
- Apache-2.0
- Última atualização
- 2026-03-25
- Visitas
- 0
OCRPDF
Projetos semelhantes
Biblioteca de OCR do Baidu PaddlePaddle, que reúne mais de cem idiomas, PP-OCR e análise de documentos.
Converte PDFs e outros documentos em Markdown / JSON com alta qualidade, voltado para corpora de LLMs.
Ferramenta de análise de documentos de código aberto da IBM que converte PDFs e arquivos do Office em dados estruturados.
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/