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 是一个 PHP 应用程序的全栈测试框架，为单元测试、功能测试和验收测试提供统一的界面。它作为通过 WebDriver 协议自动化真实桌面和移动浏览器的工具，并充当测试 REST 和 SOAP API 的客户端。 该框架的特色在于对行为驱动开发（BDD）的支持，允许用户使用 Gherkin 语言编写人类可读的测试规范，以使技术测试与业务需求保持一致。它实现了基于角色的动作映射，将这些自然语言步骤连接到可执行的 PHP 方法。 其功能涵盖了广泛的领域，包括 SQL 和 NoSQL 存储的数据库状态验证和管理、通过浏览器自动化模拟用户工作流，以及使用 JSON 和 XML 验证 API 数据结构。它还提供了用于衡量代码覆盖率以及通过依赖注入和服务容器操作管理测试生命周期的工具。 该项目包括一个引导式的命令行安装过程，用于生成标准化的测试样板和配置文件。

Behat 是一个用于 PHP 的行为驱动开发 (BDD) 框架和测试自动化工具。它作为 Gherkin 测试运行器运行，将自然语言特征文件映射到可执行的 PHP 方法，以验证软件实现是否符合业务需求。 该框架支持使用基于用户故事的结构化、人类可读格式定义应用程序行为，并为非英语利益相关者支持本地化关键字。它通过用于用户界面验证的基于驱动程序的浏览器模拟层，以及针对 Symfony 内核和 Drupal 工作流的专门集成而脱颖而出。 该工具集涵盖了广泛的功能，包括自动化回归测试、Web 浏览器自动化以及通过表转换进行复杂数据处理。它提供用于测试执行的命令行界面、用于设置和拆卸的生命周期钩子，以及用于通过第三方工具扩展核心功能的插件系统。 执行结果以多种格式提供，包括人类可读文本、JSON 和 JUnit XML。