RRepoGEO

REPOGEO 报告 · LITE

CatchTheTornado/text-extract-api

默认分支 main · commit a78eebfb · 扫描时间 2026/6/30 07:22:45

星标 3,107 · Fork 276

本仓库扫描历史

下方为分数趋势（含全部就绪扫描；左旧右新，可横向滚动）。表格明细默认折叠，展开后每页 10 条，最新在上。

分数趋势（左 → 右：旧 → 新）

共 2 条就绪扫描。点击下方按钮展开表格（每页 10 条，可翻页）。

AI 可见性总分
33 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 2 · 警告 0 · 失败 0
客观元数据检查
AI 认识你的名字
2 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 CatchTheTornado/text-extract-api 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Reposition the README H1 to emphasize API, self-hostable, and LLM features

    原因：

    当前
    # text-extract-api

Convert any image, PDF or Office document to Markdown *text* or JSON structured document with super-high accuracy, including tabular data, numbers or math formulas.
    复制粘贴的修复
    # text-extract-api

A self-hostable, privacy-centric API for converting any image, PDF, or Office document to structured Markdown or JSON. It leverages state-of-the-art local OCRs and open-source LLMs (like Ollama-supported models) for high-accuracy extraction, PII removal, and anonymization.
  • mediumabout#2
    Refine the 'About' description for clarity and conciseness

    原因：

    当前
    Document (PDF, Word, PPTX ...) extraction and parse API using state of the art modern OCRs + Ollama supported models. Anonymize documents. Remove PII. Convert any document or picture to structured JSON or Markdown
    复制粘贴的修复
    A self-hostable, privacy-centric API for advanced document processing: extract structured JSON/Markdown from PDFs, Office docs, and images using local OCRs and Ollama-supported LLMs. Includes PII removal and anonymization.
  • mediumreadme#3
    Add a 'Comparison' section to the README to differentiate from basic OCR tools

    原因：

    复制粘贴的修复
    ## Why text-extract-api? (vs. Tesseract, PaddleOCR, PDFMiner)

Unlike basic OCR libraries or PDF parsers, `text-extract-api` is a complete, self-hostable API solution. It integrates multiple OCR engines with open-source LLMs (Ollama) to not just extract raw text, but to convert documents into structured JSON or Markdown, enhance OCR accuracy, and perform PII removal. It's designed for developers needing a production-ready, privacy-focused document processing backend, not just a command-line tool.

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 CatchTheTornado/text-extract-api
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
tesseract-ocr/tesseract
在 2 个问题中被推荐 1 次
竞品排行
  1. tesseract-ocr/tesseract · 被推荐 1 次
  2. PaddlePaddle/PaddleOCR · 被推荐 1 次
  3. mindee/doctr · 被推荐 1 次
  4. opencv/opencv · 被推荐 1 次
  5. pdfminer/pdfminer.six · 被推荐 1 次
  • 品类问题
    How to extract text and structured data from PDFs and images using local OCR?
    你：未被推荐
    AI 推荐顺序：
    1. Tesseract OCR (tesseract-ocr/tesseract)
    2. PaddleOCR (PaddlePaddle/PaddleOCR)
    3. DocTR (mindee/doctr)
    4. OpenCV (opencv/opencv)
    5. PDFMiner.six (pdfminer/pdfminer.six)

    AI 推荐了 5 个替代方案，却始终没点名 CatchTheTornado/text-extract-api。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What tools can anonymize documents and convert them to JSON using open-source LLMs?
    你：未被推荐
    AI 推荐顺序：
    1. Presidio
    2. spaCy
    3. Hugging Face Transformers
    4. Anonymizer
    5. Privacy-preserving NLP Toolkit (PPL-Toolkit)
    6. NLTK

    AI 推荐了 6 个替代方案，却始终没点名 CatchTheTornado/text-extract-api。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    pass

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of CatchTheTornado/text-extract-api?
    pass
    AI 明确点名了 CatchTheTornado/text-extract-api

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts CatchTheTornado/text-extract-api in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 CatchTheTornado/text-extract-api

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo CatchTheTornado/text-extract-api solve, and who is the primary audience?
    pass
    AI 未点名 CatchTheTornado/text-extract-api —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 CatchTheTornado/text-extract-api 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/CatchTheTornado/text-extract-api.svg)](https://repogeo.com/zh/r/CatchTheTornado/text-extract-api)
HTML
<a href="https://repogeo.com/zh/r/CatchTheTornado/text-extract-api"><img src="https://repogeo.com/badge/CatchTheTornado/text-extract-api.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

CatchTheTornado/text-extract-api — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3
CatchTheTornado/text-extract-api — RepoGEO 报告