Docling:将多种文档格式解析并转换为生成式 AI 可用的结构化数据
docling-project/docling · Get your documents ready for gen AI
Docling 是一个 Python 文档处理工具,可解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、图像、音频等多种格式,并提供高级 PDF 理解能力,包括页面布局、阅读顺序、表格结构、代码、公式与图像分类等。它使用统一的 DoclingDocument 表示,支持导出 Markdown、HTML、DocTags 和无损 JSON 等格式,可与 LangChain、LlamaIndex、Crew AI、Haystack 等生成式 AI 生态集成,并支持本地执行、OCR、视觉语言模型、ASR 和 MCP/API 服务。
评论 · 分享第一个看法