星标数：70546★ Fork数：5337 《docling：让文档做好接入生成式 AI 的准备》
Docling 通过解析多种文档格式（包括先进的 PDF 理解能力）来简化文档处理流程，并与生成式 AI 生态系统实现无缝集成。
它提供统一且富有表现力的 DoclingDocument 表示格式，支持导出为 Markdown、HTML、WebVTT、DocTags 及无损 JSON 等多种格式，并可作为命令行工具、Python 库、API 服务或 MCP 服务器使用。
Docling 采用 MIT 许可证，由 IBM Research Zurich 的 AI for knowledge 团队发起，目前作为项目托管在 LF AI & Data Foundation 之下。
主要特点
- 支持多种文档格式解析，包括 PDF、DOCX、PPTX、XLSX、HTML、EPUB、Apple Pages/Numbers/Keynote、音频（WAV、MP3、WebVTT）、邮件（EML、MSG）、iCalendar（ICS）、图片、LaTeX、纯文本等
- 先进的 PDF 理解能力，涵盖页面布局、阅读顺序、表格结构、代码、公式、图像分类等
- 支持多种应用专用 XML schema，包括 DocLang、USPTO 专利、JATS 论文与 XBRL 财务报告
- 本地执行能力，适用于敏感数据与离线隔离环境
- 即插即用的集成，包括 LangChain、LlamaIndex、Crew AI 与 Haystack 等智能体框架
- 面向扫描 PDF 与图片的广泛 OCR 支持，并支持 GraniteDocling 等视觉语言模型
快速开始
安装（支持 macOS、Linux 和 Windows，涵盖 x86_64 与 arm64 架构；docling 2.70.0 起不再支持 Python 3.9，请使用 Python 3.10 及以上版本）：
pip install docling通过 CLI 转换文档，将在当前目录生成包含结构化内容的 .md 文件：
docling https://arxiv.org/pdf/2206.01062也可以在 CLI 中使用 GraniteDocling 等视觉语言模型：
docling --vlm-model granite_docling https://arxiv.org/pdf/2206.01062Python 用法（推荐）：
from docling.document_converter import DocumentConverter
source = "https://arxiv.org/pdf/2408.09869" # 本地路径或 URL
converter = DocumentConverter()
result = converter.convert(source)
print(result.document.export_to_markdown()) # 输出: "## Docling Technical Report[...]"更多安装、用法与配置细节请参阅项目文档；如需了解 Docling 的内部工作原理，可查阅 Docling Technical Report。
📊 本项目 GitHub 星标数：70546。最后更新：2026-11-13，发布：2026-11-10。项目地址：https://github.com/docling-project/docling
