google/langextract
A Python library for extracting structured information from unstructured text using LLMs with precise source grounding and interactive visualization.
О проекте
Python-библиотека для извлечения структурированных данных из неструктурированного текста с помощью LLM, с привязкой каждой сущности к точному месту в исходном тексте и интерактивной визуализацией.
Чем пригодится
- Извлечь персонажей, эмоции и связи из литературного текста по few-shot примерам
- Структурировать клинические заметки или медицинские отчёты в заданную схему
- Проверить результаты извлечения в интерактивном HTML с подсветкой в исходном тексте
Пересказ README моделью DeepSeek V4.1 Flash. Может ошибаться в деталях.
Почему он в тренде
- Сегодня уже 65 звёзд, к концу дня ожидается около 112. Обычный темп — 9 в день, сейчас в 12 раз больше.
- За последние двое суток темп в 13 раз выше, чем в предыдущие полторы недели.
- Всплеск держится 2 дня подряд — это не случайный выброс.
- GitHub Trending Python за день: #11, +154 звезды.
Звёзды по дням
Столбики — звёзды за день, линия — обычный темп. Красным — дни всплесков.
Цифры
- Всего звёзд
- 38 839
- Сегодня
- 65 · к вечеру ≈ 112
- Форков
- 2 716
- Issues и pull requests
- 494
- Наблюдателей
- 171
- Язык
- Python
- Лицензия
- Apache-2.0
- Последний релиз
- v1.7.0 · 13 сентября 2026
- Создан
- 8 июля 2025
- Последний коммит
- 21 сентября 2026
Доверие к звёздам
Рост выглядит естественно: форков и обсуждений столько, сколько бывает у живых проектов, а звёзды приходят неровно, как от людей.
Это эвристики, а не приговор: судим по поведению репозитория, а не по списку звездивших.
Где замечен
- 25 сентября 2026GitHub Trending Python за день: #10, +154 звезды
Похожие по описанию
-
1,5
JunMa11/MedJev
Инструмент для извлечения структурированных клинических переменных из свободного текста медицинских записей: превращает заметки в табличные данные, работая локально на одной потребительской GPU без отправки данных…
-
1,9
fastino-ai/GLiNER2
Семейство encoder-моделей для извлечения информации по заданной схеме: NER, классификация текста, извлечение структурных записей, отношений и атрибутов спанов. Работает локально на CPU без GPU.