Docling 文档解析工具

能做什么

• 解析多种文档格式，包括 PDF、DOCX、PPTX、XLSX、HTML、EPUB、Apple Pages、Numbers、Keynote、WAV、MP3、WebVTT、Box Notes、邮件格式（EML、MSG）、图片、LaTeX、DocLang、纯文本等。
• 针对 PDF 提供高级理解能力，涵盖页面布局、阅读顺序、表格结构、代码、公式、图像分类等。
• 提供统一的 DoclingDocument 表示格式。
• 支持导出为 Markdown、HTML、WebVTT、DocLang、DocTags 及无损 JSON 等格式。
• 支持特定 XML 架构，如 DocLang、USPTO 专利、JATS 文章和 XBRL 财务报告。
• 支持本地执行，适用于敏感数据和隔离环境。
• 提供与 LangChain、LlamaIndex、Crew AI、Haystack 等智能体 AI 框架的集成。
• 针对扫描件和图片提供 OCR 支持。
• 支持多种视觉语言模型，如 GraniteDocling。
• 支持音频的自动语音识别（ASR）模型。
• 可通过 MCP 服务器连接任意智能体。
• 可作为服务运行（docling-serve API 服务器）。
• 提供简洁的 CLI。
• 近期新增：解析视频文件（MP4、AVI、MOV、MKV、WebM）并生成 ASR 转录和关键帧；解析 ODF 文件（.odt、.ods、.odp）；解析 XBRL 财务报告；解析邮件文件（.eml、.msg）；解析 EPUB；解析 Apple Pages、Numbers、Keynote；解析纯文本和 Markdown 超集；图表理解（柱状图、饼图、折线图）。

适用场景

• 将复杂文档转换为结构化数据，供生成式 AI 或智能体应用使用。
• 在本地或隔离环境中处理敏感文档。
• 与 LangChain、LlamaIndex 等框架集成，构建文档问答或检索增强生成（RAG）应用。
• 通过 MCP 服务器或 API 服务器将文档解析能力接入智能体工作流。

使用条件与限制

• 需 Python 3.10 或更高版本（2.70.0 版本已停止支持 Python 3.9）。
• 支持 macOS、Linux 和 Windows 的 x86_64 与 arm64 架构。
• 可通过 pip 安装（pip install docling）。
• 许可证为 MIT，但各模型使用需参考原始包中的模型许可证。
• 项目处于持续开发中，部分功能如元数据提取、复杂化学结构理解尚在计划中。