docling-project/docling

これは何？

主な機能

• 01PDF、Officeファイル、HTML、EPUB、メール、画像、音声を解析し、共通のドキュメントモデルに変換
• 02レイアウト、読み順、表、数式を扱う高度なPDF解析
• 03スキャンしたPDFや画像のOCR
• 04Markdown、HTML、情報を損なわないJSONへの出力
• 05機密データやエアギャップ環境向けのローカル実行
• 06LangChain、LlamaIndex、CrewAI、Haystackとの連携

ユースケース

• PDFのレポートや論文をMarkdownに変換し、RAGやLLMに取り込む
• 財務資料や研究文書から表を抽出し、構造化データにする
• docling-serve APIを使ってドキュメント処理サービスを構築する
• LangChainやLlamaIndexを通じて、Office文書をエージェントフレームワークに取り込む

クイックスタート

1. 1

   パッケージをインストールする

   pip install docling
2. 2

   コマンドラインからドキュメントを変換する

   docling https://arxiv.org/pdf/2206.01062
3. 3

   Pythonでドキュメントを変換する

使う前に知っておきたいこと

• !Python 3.10以降が必要です。バージョン2.70.0でPython 3.9のサポートが終了しました。
• !VLMやASRモデルなどの一部の高度な機能では、別途モデルをダウンロードする必要があり、それぞれのライセンスが適用されます。

トピック

よくある質問

docling とは？

PDF、Office文書、HTMLなどを構造化データに変換し、生成AIのパイプラインで活用できるオープンソースのドキュメントパーサー。 Doclingは、ドキュメントを解析し、DoclingDocumentという統一形式に変換するPythonライブラリおよびCLIです。PDF、DOCX、PPTX、XLSX、HTML、EPUB、メールファイル、画像、音声など幅広い入力に対応し、Markdown、HTML、情報を損なわないJSONなどの形式で出力できます。

docling は無料で使えますか？ライセンスは？

docling は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

docling は今もメンテナンスされていますか？

活発にメンテナンス中。docling の最終コミットは 2026年10月19日 です。

docling は何に使えますか？

PDFのレポートや論文をMarkdownに変換し、RAGやLLMに取り込む 財務資料や研究文書から表を抽出し、構造化データにする docling-serve APIを使ってドキュメント処理サービスを構築する LangChainやLlamaIndexを通じて、Office文書をエージェントフレームワークに取り込む

docling のインストール方法は？

パッケージをインストールする: pip install docling コマンドラインからドキュメントを変換する: docling https://arxiv.org/pdf/2206.01062 Pythonでドキュメントを変換する

docling はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/docling-project/docling