Docling
解析文档，为 AI 工作流准备资料。
Docling 是文档解析工具，将PDF、办公文件、网页等内容转成统一文档表示，再导出Markdown、HTML或JSON，用于后续检索与AI工作流。
可以用来完成：为知识库准备资料、提取表格和转换文档
Docling 能做什么
它关注读取顺序、表格和结构，而不是仅把页面当成一段文字；扫描件还可使用OCR或视觉模型处理。
解析工具、所选模型与下游问答是不同环节。先检查转换结果，再把资料交给检索或生成系统。
解析多种文档格式
支持PDF、DOCX、PPTX、XLSX、HTML及多种图片等输入，统一交给文档处理流程。
识别PDF版面结构
解析页面布局、读取顺序、表格、代码与公式等元素，帮助保留内容的结构关系。
对扫描资料执行OCR
可使用OCR与视觉语言模型处理扫描PDF或图片，具体能力取决于选定的处理管线和模型。
导出并接入AI系统
DoclingDocument可导出Markdown、HTML及无损JSON等；还提供CLI、API服务及MCP接入方式。
- 核心用途
- 多格式解析、版面理解、OCR和结构化导出
- 可完成的工作
- 为知识库准备资料、提取表格和转换文档
- 如何开始
- 在支持的Python环境安装，先转换代表性文件
- 使用条件
- 当前要求Python 3.10及以上；模型许可另行适用
可以完成哪些工作
按你的目标查看准备资料、操作方法和交付结果。
为知识库准备文档结构明确的检索输入。
适合：搭建检索系统的开发者
- 准备什么
- 代表性PDF、目标导出格式与检查样本。
- 怎么完成
- 编辑建议：先转换少量资料，对照原文检查标题、段落与读取顺序，再将通过的结果送入知识库。
- 完成后得到什么
- 结构明确的检索输入。
- 交付前检查
- 重点检查双栏阅读顺序、页眉干扰和重复文字。
提取报告里的表格可继续处理的表格结构。
适合：需要分析资料的数据人员
- 准备什么
- 含表格的报告和关键单元格样本。
- 怎么完成
- 编辑建议：选择合适解析方式，导出结构化结果后抽查表头、合并单元格和单位。
- 完成后得到什么
- 可继续处理的表格结构。
- 交付前检查
- 不因生成了表格就假设数据完整，关键数字逐项回看。
转换扫描档案可搜索的文本或结构化文档。
适合：管理历史扫描资料的人
- 准备什么
- 清晰扫描件及期望输出。
- 怎么完成
- 编辑建议：使用OCR或相应视觉管线处理少量页面，再调整设置并分批转换。
- 完成后得到什么
- 可搜索的文本或结构化文档。
- 交付前检查
- 检查漏页、旋转、识别错误及模型对目标语言的支持。
如何使用 Docling
- 准备合适的Python环境
当前版本使用Python 3.10或更新版本，按官方说明安装docling。
- 选择代表性输入
先选一份具有真实版式的文档，确认本地路径或可访问URL和输出目标。
- 运行CLI或Python转换
使用docling命令或DocumentConverter执行转换，按需要选择默认或视觉模型管线。
- 检查结构再导出接入
回看读取顺序、表格和OCR结果，合格后再导出Markdown或JSON并接入后续流程。
界面与操作参考
开始前需要了解
Python版本要求已提高
官方安装说明写明2.70.0起不再支持Python 3.9，现行安装应使用Python 3.10或更新版本。
不同管线依赖不同模型
OCR、视觉和音频等能力由相应模型或组件提供，环境与资源需求不能按最简单文本转换推断。
代码与模型授权分开
Docling代码使用MIT许可，官方明确要求各模型按原包的许可处理；文档内容也需有合法使用权。
当前安装要求Python 3.10及以上；代码为MIT许可，各模型仍按原始模型许可使用。
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
常见问题
Docling会直接回答文档问题吗？
核心职责是解析和导出文档，为问答或检索系统准备输入；完整问答通常需要下游模型和应用。
可以处理扫描PDF吗？
支持OCR及视觉模型管线。先检查扫描清晰度和目标语言，再抽查转换结果。
能保留表格和阅读顺序吗？
它专门处理这些结构，但复杂版式仍需要对照原文，不能保证每份文档都无误。
MIT许可适用于所有模型吗？
不适用。官方明确区分代码许可与各模型的原始许可，使用模型时需分别查看。
从搜索研究与资料角度评估Docling
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
