Docling

项目简介

Docling 通过解析多种格式（包括高级 PDF 理解）来简化文档处理，并与生成式 AI 生态无缝集成。它提供统一的 DoclingDocument 表示，以及 Markdown、HTML 和无损 JSON 等导出格式。

核心功能

• 支持解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、Apple Pages、WAV、MP3、WebVTT、Box Notes、电子邮件格式、图像、LaTeX、DocLang 和纯文本等多种文档格式。具备高级 PDF 理解能力，包括页面布局、阅读顺序、表格结构、代码、公式和图像分类等。提供统一的 DoclingDocument 表示，可导出 Markdown、HTML、WebVTT、DocLang、DocTags 和无损 JSON 等格式。支持敏感数据和气隙环境中的本地执行。提供与 LangChain、LlamaIndex、Crew AI

适用场景

• 将文档转换为结构化 Markdown 或 JSON，用于生成式 AI 和 RAG 流程。借助 Haystack、LangChain 和 LlamaIndex 等集成构建 RAG 应用。通过 OCR 从 PDF、办公文件、电子邮件、EPUB 和图像中提取信息。在敏感或气隙环境中本地运行文档处理。

快速开始

• 使用 pip install docling 安装 Docling。使用 Docling CLI 转换文档并生成包含结构化内容的 Markdown 文件。使用 Python DocumentConverter 转换来源并将文档导出为 Markdown。详细安装和使用文档可供查阅。

部署与要求

• 需要 Python 3.10 或更高版本；docling 2.70.0 版本已放弃对 Python 3.9 的支持。可在 macOS、Linux 和 Windows 上运行，支持 x86_64 和 arm64 架构。本地执行适用于敏感数据和气隙环境。可通过 API 服务器（docling-serve）作为服务运行。

采用前须知

• 许可证：MIT。在使用、修改或分发项目前，请确认其具体条款。