docling

docling简化了文档处理，解析各种格式（包括先进的PDF理解），并与AI Gen生态系统提供无缝集成。

• 包括多个文档格式的解析。 PDF，DOCX，PPTX，XLSX，HTML，WAV，MP3，图像（PNG，TIFF，JPEG，...）等等
• ?先进的PDF理解包括。页面布局，阅读顺序，表结构，代码，公式，图像分类等等
• ?统一的docling文档表示形式格式
• ↪️各种出口格式和选项，包括Markdown，HTML，Doctags和无损JSON
• 敏感数据和空气环境的本地执行功能
• ?即插即用集成包含。 Langchain，Llamaindex，Ai＆Haystack for AgentiC AI
• ?对扫描PDF和图像的大量OCR支持
• ?支持几种视觉语言模型（SMOL docling ）
• ?️支持自动语音识别（ASR）模型的音频支持
• 简单便捷的CLI

• 元数据提取，包括标题，作者，参考和语言
• 图表理解（Barchart，Piechart，Lineplot等）
• 复杂的化学理解（分子结构）

要使用docling ，只需从包装管理器中安装docling ，例如PIP：

pip install docling

在MacOS，Linux和Windows环境上工作。 X86_64和ARM64架构。

文档中提供了更详细的安装说明。

要使用Python转换单个文档，请使用Convert（），例如：

 from docling . document_converter import DocumentConverter

source = "https://arxiv.org***/pdf/2408.09869"  # document per local path or URL
converter = DocumentConverter ()
result = converter . convert ( source )
print ( result . document . export_to_markdown ())  # output: "## docling Technical Report[...]"

文档中提供了更高级的用法选项。

docling具有内置的CLI进行转换。

docling https://a*rxi*v.or*g/pdf/2206.01062

您也可以通过docling CLI使用?Smol docling和其他VLM：

docling --pipeline vlm --vlm-model smol docling https://a*rxi*v.or*g/pdf/2206.01062

这将在支持的苹果硅硬件上使用MLX加速度。

在这里阅读更多

查看docling的文档，以获取有关安装，使用，概念，食谱，扩展等的详细信息。

进行我们的示例操作，演示如何与docling解决不同的应用程序用例。

为了进一步加速您的AI应用程序开发，请查看docling与流行框架和工具的本地集成。

请随时使用讨论部分与我们建立联系。

有关docling的内部工作的更多详细信息，请查看docling技术报告。

请阅读有关详细docling的贡献。

如果您在项目中使用docling ，请考虑以下内容：

 @techreport { docling ,
  author = { Deep Search Team } ,
  month = { 8 } ,
  title = { docling Technical Report } ,
  url = { https://a*rx*iv.or*g/abs/2408.09869 } ,
  eprint = { 2408.09869 } ,
  doi = { 10.48550/arXiv.2408.09869 } ,
  version = { 1.0.0 } ,
  year = { 2024 }
}

docling代码库符合MIT许可。对于单个模型使用情况，请参阅原始软件包中的模型许可证。

docling作为LF AI＆Data Foundation的项目托管。

该项目是由IBM Research Zurich的AI知识团队启动的。