Awesome GitHub RepositoriesData Extraction Visualizers

Parsr 是一个非结构化数据提取器和文档解析流水线，可将原始文件和图像转换为清洗后的机器可读格式。它充当文档布局分析器，以及使用大语言模型提取结构化数据和标签的流水线。 该系统包含一个文档解析可视化工具，提供了一个图形界面来上传文档并检查生成的结构化数据输出。 该项目涵盖了文档数字化工作流，包括用于检测标题、表格和列表的布局分析，以及通过清洗和丰富非结构化内容实现的自动化数据录入。

Sparrow 是一个 LLM 文档提取平台和基于视觉的推理引擎，旨在将图像和 PDF 转换为经过验证的结构化数据。它作为代理工作流编排器，将分类、提取和验证任务串联成多步流水线。 该系统的特色在于其后端无关的推理层，可管理本地 GPU、Apple Silicon 和云服务商上的模型。它利用基于坐标的视觉定位将提取的文本映射到精确的边界框坐标，并使用基于提示的模型引导来引导注意力并规范化数据格式。 该平台涵盖了文档智能工作流，包括用于保持结构完整性的专业图像表格处理，以及用于验证提取字段正确性的模式驱动验证。它还提供了一个用于监控 API 性能、使用分析和系统健康状况的文档分析仪表板。 架构包含一个基于插件的扩展系统，用于集成索引和编排中使用的第三方库。