docling-project/docling 是一个文档处理库，可解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、图像、音频和邮件等多种格式，并提供对 PDF 的页面布局、阅读顺序和表格结构的深入理解。它可将文档导出为 Markdown、HTML 等多种格式，并与生成式 AI 生态集成。
项目概览
它将多种文档格式的解析与转换集中在一个 Python 库中，尤其提供了对 PDF 布局、阅读顺序和表格结构的解析能力，并通过 LangChain、LlamaIndex 等集成接入生成式 AI 生态，还支持在本地运行以处理敏感数据。
项目类型
文档处理
部署方式
查看项目说明
License
MIT
适合谁
需要解析多种文档格式并为生成式 AI 管道准备数据的开发者。
需要在本地或物理隔离环境中处理敏感文档数据的用户。
核心能力
解析多种文档格式，包括 PDF、DOCX、PPTX、XLSX、HTML、EPUB、图像、音频和邮件格式；对 PDF 提供页面布局、阅读顺序和表格结构等深入解析。
README: from docling.document_converter import DocumentConverter
README: Docling simplifies document processing by parsing diverse formats — including advanced PDF understanding — and providing seamless integrations with the generative AI ecosystem.
README: 🗂️ Parsing of [multiple document formats][supported_formats] including PDF, DOCX, PPTX, XLSX, HTML, EPUB, Apple Pages, Numbers & Keynote, WAV, MP3, WebVTT, Box Notes, email format…
README: docling https://arxiv.org/pdf/2206.01062
README: converter = DocumentConverter() result = converter.convert(source)