Awesome GitHub RepositoriesNested Object Serializers

attrs is a Python library that automatically generates initialization, representation, equality, hashing, and ordering methods from declarative class attribute definitions. At its core, it provides a class decorator metaprogramming framework that intercepts class creation to rewrite the class body, producing dunder methods without manual boilerplate. The library includes a comprehensive attribute validation toolkit with built-in validators for type checks, range constraints, regex matching, length limits, and logical composition of validation rules. The library distinguishes itself through it

pdfminer este o bibliotecă Python pentru parsarea fișierelor PDF în vederea extragerii textului, analizării layout-urilor, decriptării conținutului și conversiei documentelor în formate HTML sau XML. Funcționează ca un motor de extragere a textului și un instrument de analiză a layout-ului conceput pentru a recupera caracterele și cuvintele, păstrând în același timp organizarea structurală a documentului original. Proiectul oferă utilitare pentru conversia conținutului PDF în HTML sau XML structurat pentru a menține layout-ul vizual și un instrument de decriptare pentru deblocarea documentelor restricționate folosind chei de criptare. Identifică pozițiile și grupările elementelor de text pentru a reconstrui organizarea paginii și a recupera schițele ierarhice. Biblioteca acoperă o gamă largă de procesări PDF, inclusiv extragerea metadatelor, analiza layout-ului documentului și exportul obiectelor interne PDF pentru debugging. Gestionează recuperarea textului împreună cu coordonatele, metadatele fonturilor și direcția de scriere.

Grobid este un sistem de machine learning conceput pentru a transforma publicațiile PDF academice și științifice în XML structurat. Funcționează ca un parser de PDF în XML și extractor de metadate științifice, identificând și normalizând titlurile, autorii, afilierile și referințele bibliografice din lucrările de cercetare. Sistemul utilizează un segmentator de documente deep learning pentru a împărți PDF-urile brute în regiuni funcționale și folosește un rezolvator de referințe bibliografice pentru a potrivi citările cu registre externe pentru îmbogățirea metadatelor și rezoluția DOI. Suportă un pipeline complet de antrenare a modelelor de machine learning, permițând generarea de corpusuri de antrenare adnotate, reantrenarea modelelor și exportul binarilor de model. Proiectul acoperă o gamă largă de capabilități de extracție, inclusiv parsarea antetelor documentelor, structurarea corpului textului complet și identificarea entităților specifice domeniului, cum ar fi informațiile de finanțare și citările de brevete. De asemenea, oferă instrumente de analiză spațială pentru extracția bounding box-urilor și maparea coordonatelor pentru a sincroniza etichetele semantice cu layout-ul PDF original. Aplicația poate fi implementată prin imagini containerizate și include utilitare CLI pentru procesarea batch multi-threaded a unor colecții mari de documente.

Jbuilder este un motor de template-uri și generator JSON pentru Ruby care oferă un limbaj specific domeniului (DSL) pentru generarea de obiecte JSON structurate. Acesta servește drept view helper pentru a transforma datele în format JSON folosind logică, condiționale și bucle. Proiectul permite construirea de structuri de date complexe prin utilizarea de partials și obiecte imbricate pentru a menține modularitatea. Include capabilități pentru transformarea cheilor la runtime, permițând conversia cheilor atributelor între diferite convenții de denumire, cum ar fi snake case și camel case. Sistemul suportă structurarea dinamică a JSON-ului cu posibilitatea de a defini chei la runtime și de a gestiona output-ul valorilor null. De asemenea, oferă un mecanism pentru a stoca în cache fragmentele JSON randate pentru a reduce procesarea repetitivă.