sparrow

用于从各种文档和图像中高效提取和处理数据的开源工具

Sparrow 数据提取 LLM OCR RAG管道 Github 开源项目

Sparrow是一个开源解决方案，专注于高效从各类文档和图像中提取与处理数据。它通过模块化架构提供独立的服务和优化的流程，支持表格、发票、收据等非结构化数据源。Sparrow的API支持本地语言模型数据提取，可与自定义工作流程集成。

访问官网

Github

介绍相关项目

omniparse - 多类型非结构化数据解析与结构化平台

GithubOmniParse多媒体处理开源项目文档解析结构化数据网页爬取

OmniParse是一个专注于非结构化数据处理的开源平台。该平台能够解析文档、表格、图像、视频、音频和网页等多种格式，将其转化为结构化数据，以便于生成式AI应用使用。OmniParse支持约20种文件类型，具备本地处理能力，无需依赖外部API。这使其适用于多种AI应用场景，包括检索增强生成(RAG)和模型微调等。

EasySpider - 无代码可视化网页数据采集与自动化工具

EasySpiderGithub可视化开源项目数据采集爬虫自动化测试

EasySpider是一款开源的可视化网页数据采集工具，无需编程即可设计和执行复杂爬虫任务。软件支持自动检测同类型元素、循环点击和定时执行等功能，能够处理需要登录和验证码的场景。EasySpider提供图形界面和命令行两种使用方式，适合新手使用，也可嵌入其他系统。该工具支持Windows、Mac和Linux系统，适用于数据采集和网页自动化测试。

Extracta.ai - 自动提取非结构化文档数据无需训练高效解析

AI工具Extracta.ai人工智能数据提取文档处理自动化

Extracta.ai为智能文档数据提取工具，可从多种非结构化文档中自动提取信息。支持PDF、图片、扫描件等格式，无需复杂训练。用户定义所需字段并上传文件后，即可获得结构化数据。适用于发票、简历、合同等文档处理，提高效率减少错误。采用加密存储技术，符合GDPR规定，确保数据安全。

towhee - 非结构化数据处理框架

GithubLLMTowhee多模态数据处理开源项目深度学习模型生成式AI

Towhee通过大型语言模型（LLM）编排，简化非结构化数据处理。支持多模态数据，如文本、图像、音频和视频。整合生成式AI和先进深度学习模型，将原始数据转换为特定格式并高效存储。提供丰富的预构建ETL管道、灵活的LLM编排和高性能后端。Towhee的Pythonic API使构建和优化数据处理管道更加便捷，适合开发者快速原型和生产部署。

Parseflow - 数据自动化平台提升企业效率

AI工具AI数据提取OCRParseflow数据自动化集成应用

Parseflow是一个数据自动化平台，帮助企业简化数据处理，减少人工输入，降低成本。支持从发票和合同中提取数据，整合到QuickBooks和谷歌表格等6000多款应用，无需编程，提供强大的OCR支持，支持60多种语言，实现高效安全的数据管理。

awesome-ocr - 综合OCR工具和技术资源库

GithubOCR图像处理开源项目文本检测文档分析深度学习

该项目整合了OCR领域的多种前沿工具和技术，涵盖图像校正、文本检测、表格识别和手写识别等方面。它提供了从预处理到后处理的完整OCR解决方案，包含大量开源实现和相关研究论文链接。这个资源库对从事文档分析和文本提取的开发者及研究人员具有重要参考价值。

Procys - 智能文档处理与数据提取解决方案

AIAI工具OCRProcys数据提取文档处理

Procys专注于智能文档处理,利用OCR技术和机器学习算法自动提取处理各类文档数据。支持多种文件格式,可与260多个应用集成,助力企业实现流程自动化。平台符合ISO 27001、SOC 2和GDPR标准,提供安全可靠的文档处理方案,适用于发票、收据、身份证等多种场景。

weiboSpider - 多功能新浪微博数据采集工具

GithubPython开源项目微博内容微博爬虫数据采集用户信息

weiboSpider是一款开源的新浪微博数据采集工具。它能够批量获取一个或多个用户的微博数据,涵盖用户信息和微博内容。支持将采集结果保存为txt、csv、json等多种文件格式,也可存入数据库。同时具备下载微博图片和视频的功能。该工具配置灵活,操作简便,适合各类需要微博数据的用户和研究人员使用。

scrapy - 开源Python网络爬虫和数据提取框架

GithubPythonScrapy开源框架开源项目数据抓取网络爬虫

Scrapy是一个基于BSD许可的高效网络爬虫和结构化数据提取框架。它使用Python 3.8+开发，支持Linux、Windows、macOS和BSD等多种操作系统。Scrapy适用于数据挖掘、网站监控和自动化测试等多种场景。项目提供全面的文档和活跃的社区支持，同时也有商业支持选项。作为开源项目，Scrapy欢迎开发者贡献，并严格遵守行为准则。目前，已有众多知名企业将Scrapy应用于大规模网络数据采集工作。

skyvern - 自动化浏览器工作流，集成大语言模型与计算机视觉

GithubLLMSkyvern开源项目浏览器工作流自动化计算机视觉

Skyvern结合大语言模型（LLMs）和计算机视觉，提供简单的API端点，实现大量网站的工作流自动化，解决传统方法的不稳定性。无需定制代码即可操作新网站，对布局变化具有抗性，并能在多个网站上应用相同工作流。Skyvern云版本让用户无需管理基础设施即可运行多个实例，并提供反机器人检测、代理网络和验证码解决方案。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com