Docling: 一键将任意文档转换为AI友好格式的开源利器-壹联网络

在企业日常工作中，PDF、Word、PPT、Excel等格式的文档无处不在，但这些格式对AI应用来说往往难以处理。Docling 是一款专注于文档智能解析的开源工具，能够将各种格式的文档统一转换为AI友好的格式（如Markdown、JSON、HTML），并保留原始文档的结构、表格、公式等关键信息。该项目已获得超过57,000颗GitHub星标，在文档处理领域极具影响力。

项目介绍

Docling 由IBM研究团队开发，专注于解决企业级文档处理的痛点。它支持PDF、DOCX、PPTX、XLSX、HTML、图片、LaTeX、纯文本等多种格式，其中PDF解析能力尤为强大——能够准确识别页面布局、阅读顺序、表格结构、代码块、公式以及图片分类。

Docling 特别注重本地执行能力，敏感数据无需上传到第三方，在本地即可完成全部处理，适合金融、医疗、政府等对数据安全要求高的场景。

核心特性

Docling 具备丰富的能力：支持PDF、DOCX、PPTX、XLSX、HTML、图片（PNG/TIFF/JPEG）、LaTeX、纯文本等多种格式解析；高级PDF理解能力（表格结构、代码、公式、图像分类等）；支持导出为Markdown、HTML、WebVTT、JSON等格式；支持USPTO专利、JATS期刊文章、XBRL财务报告等特定格式；支持OCR识别扫描PDF和图片；支持VLM视觉语言模型；集成LangChain、LlamaIndex、Crew AI、Haystack等主流AI框架。

安装步骤

Docling 通过pip安装，命令极为简单：

pip install docling

注意：Docling从2.70.0版本起不再支持Python 3.9，请使用Python 3.10或更高版本。Docling支持macOS、Linux和Windows系统，以及x86_64和ARM64架构。

快速上手

将文档转换为Markdown只需几行代码：

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("path/to/your/document.pdf")
print(result.markdown)

Docling会自动识别文档结构，提取文本、表格、公式等内容，并输出格式规范的Markdown文本。

命令行使用

Docling也提供了便捷的CLI工具：

docling document.pdf --to markdown

MCP服务器

Docling 还提供了MCP服务器，可以将文档处理能力提供给AI代理使用。通过简单的配置，就能让任何MCP兼容的AI助手具备文档解析能力。

集成AI工作流

Docling 提供了与主流AI框架的深度集成：

# LangChain集成示例
from langchain_core.documents import Document
from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("document.pdf")
docs = [Document(page_content=result.markdown)]
# 接下来可以用于RAG等AI应用