docling

文档

文档解析文档并以轻松和速度将其导出到所需的格式中。

特征

• 读取流行文档格式（PDF，DOCX，PPTX，XLSX，Images，HTML，ASCIIDOC和MARKDOWN），并出口到Markdown和JSON
• ？高级PDF文档理解，包括页面布局，阅读顺序和表结构
• ？统一的表达文档表示格式
• ？与LlamainDex容易集成？ ＆langchain ??用于功能强大的抹布 / QA应用程序
• ？ OCR支持扫描PDF
• 简单便捷的CLI

探索文档以发现很多示例并解锁Docling的全部功能！

即将推出

• ♾Quation＆Code提取
• 元数据提取，包括标题，作者，参考和语言
• ？本地兰链扩展

安装

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。

入门

要转换单个文档，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[...]"

检查入门。您会发现很多调整选项来利用所有高级功能。

获得帮助和支持

请随时使用讨论部分与我们建立联系。

技术报告

有关Docling内部运作的更多详细信息，请查看Docling技术报告。

贡献

请阅读有关详细信息的贡献。

参考

如果您在项目中使用文档，请考虑以下内容：

 @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 }
}

执照

文档代码库符合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。

IBM❤️开源AI

IBM已将文档带给您。