Unstructured
Depuis le README
docker pull downloads.unstructured.io/unstructured-io/unstructured:latest
- Install the Python SDK to support all document types with pip install "unstructured[all-docs]"
- For plain text files, HTML, XML, JSON and Emails that do not require any extra dependencies, you can run pip install unstructured
- To process other doc types, you can install the extras required for those documents, such as pip install "unstructured[docx,pptx]"
- Install the following system dependencies if they are not already available on your system.
Extraits du README du projet sur GitHub. Le droit d'auteur et les licences restent la propriété des auteurs respectifs.
Qu'est-ce qu'Unstructured ?
Unstructured extrait et normalise le contenu des PDF, HTML, Word, e-mails et plus en éléments propres prêts pour l'intégration et l'ingestion RAG.
Pourquoi les gens choisissent Unstructured
- Une API pour des dizaines de formats de fichiers
- Stratégies de découpage conçues pour RAG
- Largement adopté dans la pile de données LLM
Unstructured en un coup d'œil
| Catégorie | IA documentaire et OCR |
| Type | ETL pour documents |
| Licence | Apache-2.0 |
| S'exécute localement | Auto-hébergé |
| Construit avec | Python |
| Niveau de compétence | Intermédiaire |
| Meilleur pour | équipes ingérant de nombreux types de fichiers dans un seul pipeline |
Dernières versions
Alternatives open-source à Unstructured
D'autres outils open-source d'IA documentaire et d'OCR qui valent la peine d'être comparés :
MarkItDownTransformez n'importe quel document bureautique en Markdown propre
MarkerConvertir des PDF en Markdown propre rapidement
DoclingCompréhension documentaire de niveau IBMSuryaOCR moderne avec détection de mise en page
PaddleOCROCR industriel avec de petits modèles
FirecrawlTransformez des sites web en Markdown prêt pour LLM
Crawl4AICrawler open-source compatible avec LLM
olmOCRTransformez des PDF en texte propre de qualité d'entraînement
MinerUPDF en Markdown avec formules et tableaux
TesseractLe moteur OCR classiqueUnstructured en tête-à-tête
FAQ
Unstructured est-il gratuit ?
Unstructured est gratuit et open-source (licence Apache-2.0), vous pouvez donc l'utiliser, l'héberger vous-même et le modifier sans frais.
Puis-je exécuter Unstructured localement ?
Oui. Unstructured est conçu pour fonctionner sur votre propre machine ou serveur, gardant vos données privées.
Quelle est la meilleure alternative à Unstructured ?
Les alternatives open source populaires incluent MarkItDown, Marker, Docling. Consultez les comparaisons ci-dessus pour choisir.
Explorez plus d'IA open-source
Parcourez le répertoire complet des outils, modèles et projets d'IA open-source — mis à jour quotidiennement.
Parcourez tous les outils →