项目
docling
docling-project/docling · Python · MIT
把杂乱的 PDF 和 Office 文档转成干净的 Markdown、JSON 或版式树。
Docling 用 VLM 与规则结合的版面分析，抽取文本、表格与阅读顺序，可直接喂入 RAG 或微调管线。
78.3 / 100 · 评分
★ 69k Star 数
+309 30 天增长
5 分钟 首次运行耗时
无需 API Key
评分
趋势 62
活跃 96
质量 90
社区 97
相关 55
上手成本一览
部署方式Pip, Docker
GPU无需 GPU
API Key无需
界面语言en
文档语言en
安装命令
pip install docling 深度解读
Docling 是 IBM 的文档解析器：把 PDF、DOCX、PPTX、HTML 和图片统一转换成一种保留版面的表示——DoclingDocument，而不是每种格式各一套怪毛病。
真实文档里的硬骨头它都啃：页面版面与阅读顺序、表格结构重建、扫描页 OCR、图表与代码抽取。输出干净的 Markdown 或 JSON，这正是它成为 RAG 管线默认前端的原因。
核心库之外还有 CLI、Python API、OpenAI 兼容 API 服务器和 MCP 服务器；文档理解有 GraniteDocling 258M 视觉模型，背后的 DocTags 方法发表在 arXiv 上。
适用场景
把公司 PDF 灌入 RAG 系统
把幻灯片和表格转成 Markdown
做"拖个文件就出结构化文本"的服务
适合 / 不太适合
适合
被脏 PDF 折磨的 RAG 开发者
准备训练语料的数据团队
做文档自动录入的人
不太适合
手写或重度扫描传真（OCR 有限）
需要像素级 PDF 渲染