docling

Docling

Docling 可将文档（PDF、DOCX、PPTX、XLSX、HTML、Markdown、AsciiDoc、 CSV、图像、音频和 XML）转换为统一表示形式，即 DoclingDocument，并可导出为便于阅读的 Markdown 或结构化且无损的 JSON。如果需要理解无法直接读取的文件内容，尤其是 PDF（包括通过 OCR 或视觉语言模型处理的扫描件），请使用 Docling。

最快上手：CLI

如果只需读取文档内容，可运行 CLI。安装 docling 包时会一并安装它，并且它接受本地路径或 URL：

docling report.pdf --to md --output /tmp/        # → /tmp/report.md
docling https://example.com/paper.pdf --to json --output /tmp/

输出文件以输入文件命名（report.pdf → report.md）。默认输出目录为当前目录。此方法适用于大多数“这个文件里有什么”这类请求。有关处理流水线（标准、VLM 或原生）、OCR 引擎、表格、扫描版 PDF、密码和所有标志，请参阅 references/cli.md。

选择如何使用 Docling

你需要……	使用	参考
在 Shell 中读取或转换单个文件	CLI（docling …）	references/cli.md
以编程方式转换、调整流水线、批量处理、ASR、导出图像或表格	Python SDK（DocumentConverter + PipelineOptions）	references/python-sdk.md
从文档中提取特定类型的字段（而非整个文档）	DocumentExtractor（结构化提取，Beta 版）	references/extraction.md
为检索处理文档分块，或馈入 RAG 索引	分块 + 框架加载器	references/rag.md
将转换任务交给远程服务处理，以获得低延迟和可扩展性，且无需本地 ML 依赖或 GPU	Service Client（自托管或托管式 docling-serve）	references/service-client.md
仅安装实际使用的依赖项	docling-slim extras	references/slim-packaging.md

经验法则：

• 本地、一次性、无需编写代码 → CLI。
• 自定义流水线、分块、结构分析、嵌入应用 → Python SDK。
• 处理大量文档、低延迟、无需管理 GPU/ML 安装、按需扩展 → 使用 Service Client 连接 docling-serve 端点（自托管或托管式的 Docling for IBM watsonx 服务）。
• 尽量缩小安装体积，避免安装不需要的 torch 和 OCR 引擎 → 使用带有针对性 extras 的 docling-slim。

无需安装即可运行（uvx）

无需持久安装即可运行 CLI：

uvx --from docling docling report.pdf --to md --output /tmp/

输出约定

• 始终报告转换状态，以及（对于 PDF）页数。
• 如果用户未指定格式，请询问他们需要便于阅读的 Markdown，还是结构化且无损的 JSON / DoclingDocument。
• 对于表格，优先对表格项使用 export_to_markdown() / export_to_dataframe()（Python）——请参阅 references/python-sdk.md。
• 如果转换后的 PDF 几乎为空、内容重复或充满 �，则源文件可能是扫描件或布局复杂——请使用 OCR 或 --pipeline vlm 重试（参阅 references/cli.md）。