Docling
为生成式 AI 准备好文档
仍在活跃开发：最近 90 天有 353 次提交，最近一次提交在 2026-10-01。
GitHub 星数
6.8 万
近 30 天涨星
+1,856
近 90 天提交
353
近 6 个月发版
10
Docling 是一个高级文档处理库，旨在为生成式 AI 工作流准备文档。它擅长解析多种文档格式，包括 PDF、DOCX、PPTX、XLSX、HTML、音频文件（WAV、MP3）、WebVTT、图像、LaTeX 和纯文本。该工具的突出特性是其高级 PDF 理解能力，包括页面布局分析、阅读顺序检测、表格结构识别、代码提取、公式处理和图像分类。Docling 将处理后的文档转换为统一的 DoclingDocument 表示，便于将文档内容集成到 AI 流水线中。它在 GitHub 上获得了超过 56,000 个星标，已在 AI 社区中得到广泛采用。该库提供与生成式 AI 生态系统的无缝集成，使开发者能够高效地从复杂文档中提取内容并将其结构化，用于下游 AI 应用。作为 Linux Foundation AI & Data 项目的一部分，Docling 为文档智能任务提供了一个稳健且由社区支持的解决方案。
和同类工具的区别
与 LlamaParse（仅限云端、付费）或 PyMuPDF（基础提取）不同，Docling 完全在本地运行，支持 20+ 种格式（包括音频和 XML 模式），并借助 IBM Research 支持的高级 PDF 布局理解能力，生成统一的 DoclingDocument 表示。
主要能力
- 解析 20+ 种文档格式，包括 PDF、DOCX、PPTX、XLSX、HTML、图像、LaTeX、音频（WAV/MP3）和 XML 模式（USPTO、JATS、XBRL）
- 高级 PDF 理解能力，涵盖页面布局分析、阅读顺序检测、表格结构提取、代码块、公式和图像分类
- 统一的 DoclingDocument 表示格式，支持导出为 Markdown、HTML、WebVTT、DocTags 和无损 JSON
- 通过 GraniteDocling 支持视觉语言模型，以增强文档理解能力
- 通过多种 OCR 后端，为扫描版 PDF 和图像提供广泛的 OCR 支持
- 提供 MCP 服务器，将文档解析连接到任意 AI Agent
- 本地执行，适用于敏感数据和物理隔离环境
适合
- 需要高保真 PDF 解析及表格/公式提取的企业文档处理流水线
- 需要摄取多种文档格式并转为结构化表示以供 LLM 使用的 RAG 应用
不太适合
- 从干净的 HTML 中进行简单文本提取 — 请改用 BeautifulSoup 或 Firecrawl
- 实时网页抓取工作流 — 请改用 Firecrawl 或 ScrapeGraphAI
局限
- 仅支持 Python — 无 JavaScript/TypeScript SDK
- 图表理解（柱状图/饼图/折线图）和复杂化学内容解析仍在开发中
- 繁重的 PDF 处理可能消耗大量资源；建议 VLM 流水线使用 GPU
- 需要 Python 3.10+（已在 v2.70 中停止支持 3.9）
Docling 的替代品
- unstructured（1.6 万星）
- MinerU：将 PDF 等复杂文档转换为 LLM 可处理的 markdown/JSON，用于 Agent 工作流。（8.1 万星）
- MegaParse（7,414星）
- LLM Sherpa（1,753星）
- olmocr（2 万星）
- MarkItDown：用于将文件和办公文档转换为 Markdown 的 Python 工具。（18.8 万星）
常见问题
- Docling 是做什么的？
- Docling 是一个高级文档处理库，旨在为生成式 AI 工作流准备文档。它擅长解析多种文档格式，包括 PDF、DOCX、PPTX、XLSX、HTML、音频文件（WAV、MP3）、WebVTT、图像、LaTeX 和纯文本。该工具的突出特性是其高级 PDF 理解能力，包括页面布局分析、阅读顺序检测、表格结构识别、代码提取、公式处理和图像分类。Docling 将处理后的文档转换为统一的 DoclingDocument 表示，便于将文档内容集成到 AI 流水线中。它在 GitHub 上获得了超过 56,000 个星标，已在 AI 社区中得到广泛采用。该库提供与生成式 AI 生态系统的无缝集成，使开发者能够高效地从复杂文档中提取内容并将其结构化，用于下游 AI 应用。作为 Linux Foundation AI & Data 项目的一部分，Docling 为文档智能任务提供了一个稳健且由社区支持的解决方案。
- Docling 还在维护吗？
- 仍在活跃开发：最近 90 天有 353 次提交，最近一次提交在 2026-10-01。
- Docling 有哪些替代品？
- 和 Docling 最接近的开源替代品有 unstructured、MinerU、MegaParse、LLM Sherpa、olmocr、MarkItDown。
- Docling 是开源的吗？
- 是的，Docling 是开源项目，代码托管在 GitHub 上。
星数、提交和发版数据来自 GitHub API，每天自动刷新。介绍文字由 AI 从英文翻译，并经过第二个模型的回译校对。 项目地址：github.com/docling-project/docling