DO工具 / Docling Project · 源自 IBM Research
Docling
将 PDF、Word、表格和演示文稿转换成 Markdown 或结构化 JSON，适合知识库、RAG 和文档处理开发者。
文档解析OCRRAG
选择建议
如果你的目标是把 PDF 等文档转成便于后续处理的结构化内容，Docling 值得尝试。转换完成后，仍要人工检查表格与阅读顺序。
它能帮你做什么？
将 PDF、Word、表格和演示文稿转换成 Markdown 或结构化 JSON，适合知识库、RAG 和文档处理开发者。pip install docling 后通过 CLI 或 Python API 使用，支持 Windows、macOS、Linux，可选独立 MCP/API 集成。相比纯文本抽取，更关注版面、阅读顺序和表格结构。代码采用 MIT，可本地运行；模型许可证另行核对，算力或远程推理费用自理。
- 构建 RAG 与知识库的开发者
- 需要处理文档表格、版面和阅读顺序的数据团队
整理文档文档转换、OCR 与知识库
研究与数据科学研究、数据分析与数据库
如何开始使用
- 01
选一份代表性文档
先使用不含敏感信息的短文档，包含你关心的标题、表格或扫描页，作为转换样本。
- 02
安装并执行转换
在独立 Python 环境里按官方文档安装 Docling。通过 CLI 或 DocumentConverter 读取本地路径，导出 Markdown。
- 03
对照原稿检查
重点检查跨页表格、双栏阅读顺序和 OCR 识别。确认质量后，再考虑批量转换或知识库接入。
pip install docling；运行 docling <文档路径或URL>，或使用 DocumentConverter Python API。
查看原始项目文档 用一个小任务试试看
建议任务 · 非实测结果
转换一份含标题、段落和表格的短 PDF，导出为 Markdown。逐项核对标题层级、表格单元格与阅读顺序，并记录需要人工修正的位置。
预期产物是可检查的文档转换结果。转换不等于问答知识库；检索、切分和问答需要另行设计。费用与使用条件
代码免费；模型许可证独立，计算和可选远程服务费用自理。
查看 MIT 许可证特点与使用边界
除文本提取外，更关注版面、表格结构和阅读顺序，可输出 Markdown 或结构化 JSON。
- 代码与使用的模型可能采用不同许可证，应分别核对。
- 本地处理需要计算资源，远程推理服务可能产生额外费用。
介绍依据与原始来源
本站整理介绍并引导访问原始项目。功能、支持平台与价格可能变化，实际使用前请核对官方文档。