Docling 是一个用于将文档（如 PDF、Word 文档、扫描件等）转换为结构化数据格式（如 JSON、Markdown、HTML 等）的开源工具。它由 deepset 开发，能够处理复杂格式的文档，并提取其中的文本、表格、标题、图像等信息，非常适合用于文档解析、信息提取、数据迁移等任务。

Docling 的主要特点：

• 支持多种文档格式：
• PDF
• Word（.docx）
• Scanned documents（结合 OCR）
• HTML
• Markdown
• Plain text
• 结构化输出：
• JSON（便于程序处理）
• Markdown（便于阅读和展示）
• HTML（可用于网页展示）
• 表格识别：
• 自动识别表格并提取为结构化数据（如 Markdown 表格或 JSON 格式）
• OCR 支持：
• 对扫描件或图片文档，使用 Tesseract OCR 或其他 OCR 引擎进行文本识别
• 段落与标题识别：
• 能识别文档中的标题层级（H1、H2 等），便于构建目录结构
• 易于集成：
• 提供 Python API 和命令行工具，适合集成到数据处理流程中

安装方式：

pip install docling

示例：使用 Docling 解析 PDF 文件

from docling.document_converter import DocumentConverter
from docling.datamodel.base_models import InputFormat
# 创建转换器
converter = DocumentConverter()
# 转换文档（支持本地路径或 URL）
result = converter.convert("example_document.pdf")
# 获取 Markdown 格式的文本
print(result.document.export_to_markdown())

输出结构示例（Markdown）：

# 项目计划书
## 一、项目背景
随着人工智能技术的发展，自动化文档处理成为企业数字化转型的重要组成部分。
## 二、目标
- 实现文档的自动解析
- 提取结构化数据
- 支持多种文档格式
## 三、表格示例
| 项目阶段 | 时间 | 负责人 |
|----------|------|--------|
| 需求分析 | 2025.01-2025.02 | 张三 |
| 开发实现 | 2025.03-2025.05 | 李四 |

使用场景：

• 企业文档自动化处理
• 构建知识库或问答系统的内容源
• 法律、财务等行业的文档结构化
• 数据迁移与集成
• 教育行业的教材自动整理