PDF, Word, 이메일 등 문서를 구조화된 데이터로 변환하는 전처리 라이브러리
중간맛 분석
PDF, Word, 이메일, 이미지 등에서 구조화된 데이터를 추출하는 전처리 도구입니다. 자동 파일 형식 감지로 적절한 파싱 함수를 선택하고, 레이아웃 분석·광학문자인식(OCR)·표 인식 등을 지원합니다. 단순히 partition() 함수에 파일 경로를 전달하면 요소 목록을 반환합니다. Python 라이브러리로 제공되며 pip 또는 로 설치 가능합니다. 모든 문서 형식을 지원하려면 pip install "unstructured[all-docs]"로 설치하고, 문서 유형별로 libmagic-dev, poppler-utils, tesseract-ocr, libreoffice 등의 시스템 의존성을 설치해야 합니다. 로컬 개발을 위해서는 uv를 사용해 의존성을 관리합니다.
이런 레포예요
이럴 때 쓰면 좋아요
- PDF 논문이나 계약서에서 텍스트와 표를 추출해 벡터 데이터베이스에 저장할 때
- 스캔된 이미지 문서를 광학문자인식으로 텍스트화해 검색 가능하게 만들 때
- 메일·Word·HTML 등 여러 형식의 문서를 통일된 구조로 변환해 LLM 입력으로 사용할 때
핵심 기능
대안 대비 차별점
자동 파일 형식 감지로 단일 partition() 함수로 다양한 문서 유형을 처리하며, OCR과 레이아웃 분석을 내장해 스캔 문서와 복잡한 구조도 처리할 수 있습니다.
먹어본 사람들
실제로 차려 먹어본 손님들의 흔적이에요 — 한마디와 완주 인증 모두 검수 후 공개돼요.
이 레포, 해먹는 법
처음 오셨어요? 어렵지 않아요 — 위에서 아래로 따라 하면 내 컴퓨터에 이 레포를 차려서 바로 맛볼 수 있어요.
준비물
- Python 3.8 이상
- pip 또는 uv 패키지 관리자
- 문서 형식별 시스템 패키지: libmagic-dev(파일 감지), poppler-utils(PDF/이미지), tesseract-ocr(OCR), libreoffice(MS Office)
바로 차려먹기Python (uv)
깃밥이 레포 구조를 확인하고 만든 실행 명령이에요. 터미널에 붙여넣으면 받기부터 실행까지 한 번에 진행돼요.
git clone --depth 1 https://github.com/Unstructured-IO/unstructured.git && cd unstructured && uv sync
uv가 없다면: brew install uv · 실행 명령은 README를 확인하세요.
코드는 내 컴퓨터에서 실행돼요 — 처음 보는 레포라면 내용을 한번 훑어보고 실행하는 습관을 추천해요.
README가 안내하는 자세한 단계 보기
- Docker 이미지 다운로드
docker pull downloads.unstructured.io/unstructured-io/unstructured:latest
- 컨테이너 생성 및 접속
docker run -dt --name unstructured downloads.unstructured.io/unstructured-io/unstructured:latest
docker exec -it unstructured bash
- Python 대화형 모드에서 PDF 파싱
python3
- Python 인터프리터에서 실행
from unstructured.partition.pdf import partition_pdf
elements = partition_pdf(filename="example-docs/layout-parser-paper-fast.pdf")
또는 pip로 설치:
- 모든 문서 형식 지원을 위해 설치
pip install "unstructured[all-docs]"
- 시스템 의존성 설치 (예: Ubuntu/Debian)
sudo apt-get install libmagic-dev poppler-utils tesseract-ocr libreoffice
- Python에서 사용
from unstructured.partition.auto import partition
elements = partition(filename="example-docs/eml/fake-email.eml")
print("\n\n".join([str(el) for el in elements]))
깃밥트라이로 맛보기
받아보기 귀찮고 살짝 불안했다면 — 안전 스캔부터 설치까지 터미널 한 줄로 끝나요.
터미널에 붙여넣으면 깃밥 안전 스캔 → 격리 폴더 clone → 설치 → 실행법 안내까지 자동이에요. 처음이어도 괜찮아요 — 이 한 줄이 전부예요.
npx gitbap-try Unstructured-IO/unstructured
Node.js만 있으면 설치 없이 실행돼요 · 깃밥트라이가 뭐예요? →
별 추이 · 7일
확인 시각
활용성 · 따라 만들기 좋은가
- 관대한 라이선스
- 테스트 있음
- 예제 디렉토리
- 최근 활동
- AGENTS.md
- llms.txt
- 템플릿
🟢 최근 활동 있음 · 2022년 생성
「데이터·크롤링」 이런 레포, 매주 받아보실래요?
매주 월요일 아침, 골라 담은 밥상만. 광고 없이 · 언제든 해지.
내 레포인가요? README에 깃밥 배지 달기
[](https://www.gitbap.com/r/Unstructured-IO/unstructured)🔌 클로드에서 바로 써보기 — 깃밥 연결하는 법
깃밥을 클로드에 연결하면 이런 레포를 클로드·커서·Codex에서 바로 찾고 체험할 수 있어요.
클로드 설정 → 커넥터에 이 주소를 붙여넣기.
https://www.gitbap.com/api/mcp플러그인을 설치하면 /gitbap-trending·/gitbap-try 슬래시 커맨드로 레포를 그 자리에서 체험. Claude Code에서 아래 두 줄을 차례로 실행하세요.
/plugin marketplace add jakeparkcolde/gitbap-cowork/plugin install gitbap-cowork@gitbapAI가 README 기반으로 요약했습니다 · 원문 보기