Awesome GitHub RepositoriesSchema-Driven Mappings

scrape-it ist ein Node.js-Web-Scraper und HTML-Parser, der darauf ausgelegt ist, strukturierte Daten von Websites und aus HTML-Dateien zu extrahieren. Es fungiert als Tool zur Web-Datenextraktion, das spezifische Informationen aus DOM-Elementen abruft und Webinhalte in nutzbare Datenfelder konvertiert. Das Tool verwendet CSS-Selektoren, um gezielt Datenpunkte anzusteuern, und nutzt schema-gesteuertes Data-Mapping, um unstrukturierten Web-Text in ein konsistentes Format zu bringen. Es unterstützt benutzerdefinierte Transformationen, um extrahierte Roh-Strings in spezifische Datenformate umzuwandeln. Das System bietet Funktionen für die Web-Datenextraktion und automatisiertes Content-Mapping. Es kann HTML-Inhalte von URLs, rohe HTML-Strings oder aus dem lokalen Dateisystem parsen und lässt sich mit Headless-Browsern integrieren, um Inhalte von dynamischen Webseiten zu verarbeiten.

s2client-proto bietet eine Reihe strukturierter Datendefinitionen und sprachneutraler Kommunikationsprotokolle, die zum Austausch von Informationen zwischen einem externen Client und der StarCraft II-Engine verwendet werden. Es nutzt Protocol-Buffer-Definitionen, um ein binäres Serialisierungsschema für diesen Datenaustausch zu etablieren. Das Projekt definiert die zugrunde liegende Kommunikationsschicht, die für die Spiel-Engine-Automatisierung, die Analyse des Spielzustands und die Entwicklung von Software-Agenten für kompetitives Gaming erforderlich ist. Das Framework deckt Interface-Definitionssprachen ab, um die Kompatibilität über Programmiersprachen hinweg sicherzustellen, und verwendet schema-gesteuertes Message-Mapping, um Spielzustands-IDs in lesbare Namen zu übersetzen. Es enthält zudem Mechanismen, um abstrakte Fähigkeits-IDs über standardisierte Konfigurationsdateien auf spezifische interne Spielaktionen abzubilden.

Entity-Relation-Extraction is a machine learning framework designed to identify entities and their logical connections within unstructured text. It functions as a pipeline that transforms raw documents into structured knowledge graphs by utilizing deep learning models and transformer architectures. The project distinguishes itself through a schema-driven approach, which maps extracted information to predefined relational templates to ensure output consistency. It employs a multi-stage process that combines sequence-labeling token classification with contextual encoding to delineate entity bou