4.5K+ Star！Docling：一个文档解析工具

Docling 简介

Docling[1] 是一个文档解析工具，它能够轻松快速地将文档导出为所需的格式。可以帮助用户从各种文档中提取信息，并将其转换为更易于处理的数据格式。

项目特点

主要特点

• 🗂️ 支持读取多种流行的文档格式（PDF、DOCX、PPTX、图像、HTML、AsciiDoc、Markdown），并支持导出为Markdown和JSON格式。

• 📑 先进的PDF文档理解能力，包括页面布局、阅读顺序和表格结构。

• 🧩 统一且富有表现力的DoclingDocument[2]表示格式。

• 📝 元数据提取，包括标题、作者、参考文献和语言。

• 🤖 与LlamaIndex和LangChain的无缝集成，为RAG/QA应用提供强大的支持。

• 🔍 支持扫描PDF的OCR功能。

• 💻 提供简单方便的命令行界面（CLI）。

使用场景

Docling适用于需要从文档中提取信息并进行进一步处理的场景，例如文档数字化、信息检索、自动化文档处理等。

项目使用

安装

可以通过包管理器（如pip）安装docling：