Awesome GitHub RepositoriesStream-Based Document Processors

Nokogiri is an XML and HTML parsing library that builds navigable document trees from strings, files, or URLs using native C parsers for speed and standards compliance. It provides a CSS selector engine that translates CSS3 selectors into XPath expressions for querying nodes, an XPath query interface with namespace support, a document manipulation toolkit for modifying parsed documents, XSD schema validation, and XSLT transformation capabilities. The library wraps libxml2 and libxslt C libraries with Ruby bindings for high-performance parsing, and integrates Google's Gumbo parser for standard

TinyXML-2 ist eine leichtgewichtige C++-Bibliothek zum Parsen, Manipulieren und Generieren von XML-Dokumenten. Sie fungiert als UTF-8-XML-Prozessor, der Daten durch ein hierarchisches Document Object Model repräsentiert. Die Bibliothek bietet Tools sowohl für das DOM-Parsing als auch für die direkte Dokumentengenerierung über Datenströme. Sie umfasst Funktionen zum Navigieren im XML-Baum, um spezifische Elemente zu lokalisieren, Attribute und Inhalte zu modifizieren sowie Zeichenentitäten und numerische Unicode-Referenzen in UTF-8-Text aufzulösen. Der Prozessor enthält Syntaxvalidierungs- und Diagnosetools, die Zeilennummern-Metadaten für jeden Knoten und jedes Attribut nachverfolgen, um präzise Koordinaten für Parsing-Fehler zu melden.

python-docx is an OOXML document manipulation library used for creating, reading, and updating Microsoft Word files. It functions as a generator for building formatted documents and a parser for extracting text, metadata, and structural elements from existing files. The project provides a comprehensive style management system for defining and applying character, paragraph, and table styles within OpenXML documents. It allows for the programmatic control of document appearance through an object-oriented approach to the underlying XML schema. Capabilities cover a wide range of document generat