data-extraction

MinerU 是 OpenDataLab 开发的一款开源工具，用于从 PDF 和文档中提取数据。

Firecrawl 是一个开源 API，用于搜索、抓取和将网页内容转换为干净的 Markdown 或结构化数据，供 AI 应用使用。它能处理代理、速率限制和 JavaScript 密集型页面，且延迟低。

OpenDataLoader PDF 是一个开源PDF解析器，可提取结构化数据（Markdown、JSON、HTML），在基准测试中达到顶尖准确率（总体0.907），并自动进行PDF无障碍修复，符合标记PDF/PDF/UA标准。

Scrapling 是一个现代、自适应的 Python 网页抓取库，能够处理反爬虫措施，并提供高级选择、获取和爬虫功能。