docling-project/docling

项目概览

项目通过解析多种格式并集成 LangChain、LlamaIndex 等生成式 AI 生态组件，解决了文档预处理环节的格式多样性问题。

项目类型

MCP · RAG 与知识库 · 文档处理

应用场景

文档办公 · 知识问答

部署方式

查看项目说明

License

MIT

适合谁

• 需要在本地环境解析多种文档格式并接入生成式 AI 流程的开发者与数据团队。

核心能力

• 分析 PDF 中的页面布局、阅读顺序、表格结构、代码、公式以及图片分类。
• 提取文档元数据，包括标题、作者、引用和语言信息。

限制与风险

• docling 在 2.70.0 版本中已停止对 Python 3.9 的支持，需使用 Python 3.10 或更高版本。

如何开始

• 可通过单条 pip 命令安装：pip install docling，安装后即可在本地运行。

核验依据

• GitHub 项目简介: Get your documents ready for gen AI
• GitHub 仓库资料: {"primary_language":"Python"}
• 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, WAV, MP3, WebVTT, Box Notes, email formats (EML, MSG), images (PNG, TIFF, JP…
• README: [](https://pypi.org/project/docling/)

内容核验时间：