Docling
Docling 简化了文档处理流程，可以解析多种文档格式——包括高级 PDF 理解——并提供与生成式 AI 生态系统的无缝集成。 ([GitHub][1])
功能（Features）
-
🗂️ 解析多种文档格式，包括：
- DOCX
- PPTX
- XLSX
- HTML
- WAV
- MP3
- VTT
- 图片（PNG、TIFF、JPEG 等）
- 以及更多格式
-
📑 高级 PDF 理解能力，包括：
- 页面布局（page layout）
- 阅读顺序（reading order）
- 表格结构（table structure）
- 代码
- 公式
- 图像分类
- 等等
-
🧬 统一且表达能力强的
DoclingDocument表示格式 -
↪️ 多种导出格式和选项，包括：
- Markdown
- HTML
- DocTags
- 无损 JSON
-
🔒 支持本地执行，适用于：
- 敏感数据
- 隔离网络环境（air-gapped environments）
-
🤖 即插即用集成，包括：
- LangChain
- LlamaIndex
- Crew AI
- Haystack
-
🔍 广泛的 OCR 支持，用于：
- 扫描版 PDF
- 图像文档
-
👓 支持多个 视觉语言模型（Visual Language Models）
- 例如：GraniteDocling
-
🎙️ 音频支持，包含：
- 自动语音识别（ASR）模型
-
🔌 可通过 MCP Server 连接到任何 AI Agent
-
💻 提供简单且便捷的 CLI 命令行工具 ([GitHub][1])
最新更新（What’s new）
-
📤 结构化信息提取（Structured information extraction）（测试版）
-
📑 默认使用新的布局模型 Heron
- 提供更快的 PDF 解析速度
-
🔌 用于 Agent 应用的 MCP Server
-
💬 支持解析：
- WebVTT（Web Video Text Tracks）文件
即将推出（Coming soon）
-
📝 元数据提取
包括：
- 标题
- 作者
- 参考文献
- 语言
-
📊 图表理解
包括：
- 柱状图（Barchart）
- 饼图（Piechart）
- 折线图（LinePlot）
-
🧪 复杂化学结构理解
例如：
- 分子结构（Molecular structures）
安装（Installation）
使用 Python 包管理器安装 docling：
pip install docling
支持运行环境：
- macOS
- Linux
- Windows
支持架构：
- x86_64
- arm64
更多安装说明请查看官方文档。 ([GitHub][1])
快速开始（Getting started）
使用 Python API 转换文档：
from docling.document_converter import DocumentConverter
source = "https://arxiv.org/pdf/2408.09869" # 文档本地路径或 URL
converter = DocumentConverter()
result = converter.convert(source)
print(result.document.export_to_markdown())
输出示例：
## Docling Technical Report
...
更多高级用法可在文档中查看。 ([GitHub][1])
CLI（命令行）
Docling 提供内置 CLI 用于执行文档转换：
docling https://arxiv.org/pdf/2206.01062
也可以使用 GraniteDocling 或其他视觉语言模型：
docling --pipeline vlm --vlm-model granite_docling https://arxiv.org/pdf/2206.01062
在支持的 Apple Silicon 设备上：
- 会使用 MLX 加速。
文档（Documentation）
查看官方文档以获取更多信息：
- 安装
- 使用方法
- 核心概念
- 示例
- 扩展
示例（Examples）
官方提供多个示例项目，展示如何使用 Docling 解决不同应用场景。
集成（Integrations）
Docling 原生集成多种 AI 框架，以加速 AI 应用开发。
获取帮助（Get help and support）
如果需要帮助，可以通过 GitHub Discussions 与社区交流。
技术报告（Technical report）
有关 Docling 内部实现的更多细节，请参考：
Docling Technical Report
贡献（Contributing）
如果希望为项目贡献代码，请阅读：
Contributing to Docling
引用（References）
如果你在项目中使用 Docling，请引用：
@techreport{Docling,
author = {Deep Search Team},
month = {8},
title = {Docling Technical Report},
url = {https://arxiv.org/abs/2408.09869},
eprint = {2408.09869},
doi = {10.48550/arXiv.2408.09869},
version = {1.0.0},
year = {2024}
}
License
Docling 代码库采用：
MIT License
对于单独的模型，请参考对应模型包中的许可证。 ([GitHub][1])
项目信息（About）
Docling 的目标是：
“让文档为生成式 AI 做好准备。”
项目主题
html
markdown
pdf
ai
convert
xlsx
pdf-converter
docx
documents
pptx
pdf-to-text
tables
document-parser
pdf-to-json
document-parsing
技术栈
代码语言占比：
- Python 98.6%
- Shell 1.1%
- Dockerfile 0.3%
✅ 一句话总结
Docling 是一个面向生成式 AI 的文档解析工具，可以将 PDF、Office、HTML、音频、图片等多种格式解析为结构化数据，并输出 Markdown / JSON 等格式，用于 RAG、Agent 或 AI 数据处理。 ([GitHub][1])
