docling-project/docling

这是什么？

核心功能

• 01将 PDF、Office 文件、HTML、EPUB、邮件、图片和音频统一解析为同一种文档模型
• 02PDF 解析覆盖版面、阅读顺序、表格和公式
• 03对扫描版 PDF 和图片进行 OCR
• 04可导出为 Markdown、HTML 和无损 JSON
• 05支持本地运行，适合敏感数据和离线环境
• 06与 LangChain、LlamaIndex、CrewAI、Haystack 集成

适用场景

• 将 PDF 报告或论文转换为 Markdown，用于 RAG 和大模型输入
• 从财务或研究文档中提取表格为结构化数据
• 通过 docling-serve API 搭建文档处理服务
• 借助 LangChain 或 LlamaIndex 将办公文档接入智能体框架

快速上手

1. 1

   安装软件包

   pip install docling
2. 2

   在命令行中转换文档

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

   在 Python 中转换文档

使用前须知

• !需要 Python 3.10 或更高版本，因为 2.70.0 版本已停止支持 Python 3.9。
• !部分高级功能（如 VLM 和 ASR 模型）需要单独下载模型，且适用各模型自身的许可证。

标签

常见问题

docling 是什么？

开源文档解析工具，把 PDF、Office、HTML 等文件转换为结构化数据，供生成式 AI 使用。 Docling 是一个 Python 库和命令行工具，用于解析各类文档，并将其转换为统一的 DoclingDocument 表示格式。支持的输入包括 PDF、DOCX、PPTX、XLSX、HTML、EPUB、邮件文件、图片和音频等，结果可导出为 Markdown、HTML、无损 JSON 等格式。

docling 可以免费使用吗？用的什么许可证？

docling 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

docling 还在维护吗？

活跃维护中。docling 最近一次提交是在 2026年10月19日。

docling 适合用来做什么？

将 PDF 报告或论文转换为 Markdown，用于 RAG 和大模型输入 从财务或研究文档中提取表格为结构化数据 通过 docling-serve API 搭建文档处理服务 借助 LangChain 或 LlamaIndex 将办公文档接入智能体框架

docling 怎么安装和运行？

安装软件包: pip install docling 在命令行中转换文档: docling https://arxiv.org/pdf/2206.01062 在 Python 中转换文档

在哪里获取 docling？

源代码和安装说明在 GitHub 上：https://github.com/docling-project/docling