docling

Dorongan

Major dokumen parses dan ekspornya ke format yang diinginkan dengan mudah dan kecepatan.

Fitur

• Membaca format dokumen populer (pdf, docx, pptx, xlsx, gambar, html, asciidoc & markdown) dan ekspor ke markdown dan json
• ? Pemahaman dokumen PDF lanjutan termasuk tata letak halaman, struktur pesanan bacaan & tabel
• ? Format representasi dokumen dokumen yang bersatu dan ekspresif
• ? Integrasi Mudah Dengan Llamaindex? & Langchain ?? Untuk aplikasi Rag / QA yang kuat
• ? Dukungan OCR untuk PDF yang dipindai
• CLI yang sederhana dan nyaman

Jelajahi dokumentasi untuk menemukan banyak contoh dan membuka kunci kekuatan penuh!

Segera hadir

• ♾️ Persamaan & Ekstraksi Kode
• Ekstraksi metadata, termasuk judul, penulis, referensi & bahasa
• ?? Ekstensi Langchain Asli

Instalasi

To use Docling, simply install docling from your package manager, eg pip:

pip install docling

Bekerja pada lingkungan macOS, Linux dan Windows. Arsitektur X86_64 dan ARM64.

Instruksi instalasi yang lebih terperinci tersedia di dokumen.

Memulai

To convert individual documents, use convert() , for example:

 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[...]"

Lihatlah memulai. Anda akan menemukan banyak opsi tuning untuk memanfaatkan semua kemampuan canggih.

Dapatkan Bantuan dan Dukungan

Silakan terhubung dengan kami menggunakan bagian diskusi.

Laporan Teknis

Untuk detail lebih lanjut tentang pekerjaan batin DOCLING, lihat laporan teknis yang berminat.

Berkontribusi

Harap baca berkontribusi pada dorongan untuk detailnya.

Referensi

Jika Anda menggunakan Majling dalam proyek Anda, harap pertimbangkan mengutip yang berikut:

 @techreport { Docling ,
  author = { Deep Search Team } ,
  month = { 8 } ,
  title = { Docling Technical Report } ,
  url = { https://arxiv.org/abs/2408.09869 } ,
  eprint = { 2408.09869 } ,
  doi = { 10.48550/arXiv.2408.09869 } ,
  version = { 1.0.0 } ,
  year = { 2024 }
}

Lisensi

Basis kode yang tertanam berada di bawah lisensi MIT. Untuk penggunaan model individual, silakan merujuk ke lisensi model yang ditemukan dalam paket asli.

IBM ❤️ Open Source AI

Duntling telah dibawa kepada Anda oleh IBM.