Awesome GitHub RepositoriesData Table Parsing

Docling is a multimodal content converter and document parser designed to transform PDFs, Office files, and HTML into structured Markdown or JSON for generative AI applications. It functions as an OCR document processor and a PDF layout analyzer that extracts tables, charts, and hierarchical structures while preserving the original page layout. The system operates as a local-first inference engine, allowing for the processing of sensitive data in air-gapped environments without external network connectivity. It can also be deployed as an API or a Model Context Protocol server to provide parsi

PaddleX is a PaddlePaddle-based framework for building, deploying, and fine-tuning AI model pipelines, with pre-built support for computer vision, OCR, document analysis, and time series tasks. It offers a toolkit of ready-to-use pipelines for image classification, object detection, segmentation, and pose estimation, alongside an end-to-end OCR document analysis pipeline that extracts text, tables, formulas, and layout information. The platform also includes a dedicated time series forecasting pipeline for analyzing historical data to detect anomalies, classify patterns, and predict future val

Codeception este un framework de testare full-stack pentru aplicații PHP care oferă o interfață unificată pentru testarea unitară, funcțională și de acceptanță. Servește ca instrument pentru automatizarea browserelor reale desktop și mobile prin protocolul WebDriver și acționează ca un client pentru testarea API-urilor REST și SOAP. Framework-ul se distinge prin suportul pentru Behavior-Driven Development (BDD), permițând utilizatorilor să scrie specificații de test lizibile de către oameni în limbajul Gherkin pentru a alinia testele tehnice cu cerințele de business. Implementează maparea acțiunilor bazată pe actori pentru a conecta acești pași în limbaj natural la metode PHP executabile. Capabilitățile sale acoperă o arie largă, inclusiv verificarea și gestionarea stării bazei de date pentru stocuri SQL și NoSQL, simularea fluxurilor de lucru ale utilizatorilor prin automatizarea browserului și validarea structurilor de date API folosind JSON și XML. De asemenea, oferă instrumente pentru măsurarea acoperirii codului (code coverage) și gestionarea ciclurilor de viață ale testelor prin injecție de dependențe și manipularea containerelor de servicii. Proiectul include un proces ghidat de instalare prin linie de comandă pentru a genera boilerplate-uri de test standardizate și fișiere de configurare.

Behat is a behavior-driven development framework and test automation tool for PHP. It functions as a Gherkin test runner that maps natural language feature files to executable PHP methods to verify that software implementation aligns with business requirements. The framework enables the definition of application behavior using a structured, human-readable format based on user stories, supporting localized keywords for non-English speaking stakeholders. It distinguishes itself through a driver-based browser simulation layer for user interface verification and specialized integrations for the S