오픈소스 툴 PyPI 패키지
unstructured
원문 소개(영어) 보기
A library that prepares raw documents for downstream ML tasks.
한눈에 보기
기능PDF·HTML·Word 등 원시 문서와 이미지를 읽어 LLM 학습·처리에 쓰기 좋은 구조화된 데이터로 변환하는 파이썬 라이브러리다.
- 특장점
- PDF·HTML·Word·이메일 등 여러 형식을 하나의 partition 함수로 처리한다
- 문서 종류별 모듈과 커넥터로 데이터 수집·전처리 흐름을 구성할 수 있다
- Docker 이미지와 PyPI 설치를 모두 지원해 환경 구성이 유연하다
- 활용방안
- LLM에 넣을 사내 문서를 텍스트 조각으로 나눠 정리할 때 쓴다
- 여러 형식이 섞인 자료를 한 번에 읽어 표준 출력 형태로 모을 때 쓴다
- PDF·이미지 문서에서 텍스트를 추출해 검색용 데이터로 만들 때 쓴다
- 활용처
- 데이터 분석
- ML 엔지니어
- 백엔드 개발
- 고객지원
- 유무료
- 무료 Apache-2.0 오픈소스로 라이브러리 자체는 계속 무료라고 명시되어 있다.
알아 둘 점: PDF·이미지 처리에는 poppler-utils, tesseract-ocr 등 시스템 패키지를 별도로 설치해야 한다.
AI 요약 · 2026-11-11 01:24 · README·소개 문장 기준이므로 쓰기 전에 원문을 확인하세요.
회원 리뷰 0개
로그인하면 리뷰를 쓰고 필수템으로 추천할 수 있습니다.
첫 리뷰를 남겨 주세요. 실제로 써 본 경험이 다른 회원에게 가장 큰 도움이 됩니다.
커뮤니티 이야기
아직 이 도구를 다룬 글이 없습니다.