Projetos open source sobre “document-processing”

Parser local e open source de PDFs e documentos, escrito em Rust, com extração de texto, caixas delimitadoras, saída em Markdown/JSON e OCR opcional.

Biblioteca Rust e CLI que classifica PDFs como textuais ou digitalizados e extrai Markdown limpo, sem OCR por padrão.

Uma biblioteca Python open source de OCR que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch.