docling

Из публичных источников

Docling — библиотека на Python с открытым кодом (лицензия MIT), которая переводит PDF, DOCX, PPTX, HTML и другие документы в структурированные данные для генеративного ИИ.

БиблиотекаКатегория: Библиотеки и SDK · ИИ и LLM · Данные и БД · PDF и документыOpen sourceданные проверены 15 окт. 2026 г.

Обзор

Подготовка документов для генеративного ИИ часто упирается в PDF, сканы, таблицы и сложную вёрстку, с которыми обычное извлечение текста справляется плохо. Docling — библиотека с открытым кодом на Python, которая преобразует такие документы в единое представление DoclingDocument и сохраняет структуру страниц, порядок чтения, таблицы, код и формулы. Библиотека обрабатывает форматы PDF, DOCX, PPTX, XLSX, HTML, EPUB, аудио и видео и экспортирует результат в Markdown, HTML, WebVTT или JSON без потерь. Для сканированных PDF и изображений доступно OCR, поддерживаются визуально-языковые модели, например GraniteDocling. Готовые интеграции есть для LangChain, LlamaIndex, Crew AI и Haystack, а MCP-сервер позволяет агентам обращаться к Docling напрямую. Docling работает локально, что подходит для конфиденциальных данных и изолированных сред. Разработчики могут установить его через pip, использовать CLI для быстрой конвертации или подключить Python API в свои приложения и RAG-пайплайны.
  • ai
  • convert
  • document-parser
  • document-parsing
  • documents
  • docx
  • html
  • markdown
  • pdf
  • pdf-converter
  • pdf-to-json
  • pdf-to-text

Установка

Команды только показываются, маркетплейс их не выполняет. Сверяйтесь с официальной документацией.
  • Официальный сайтИз публичных источниковиз метаданных каталога
    docling-project.github.io/docling ↗
  • Реестр пакетов языкаpythonИз публичных источниковиз манифеста пакета — публикация в реестре не проверена
    pip install docling-slim

    Не проверено: перед установкой убедитесь, что пакет в реестре принадлежит этому проекту.

    pypi.org/project/docling-slim/ ↗
  • Сборка из исходниковИз публичных источниковиз метаданных каталога

    Сборка из исходников: проверенного рецепта сборки нет — следуйте инструкциям репозитория.

    github.com/docling-project/docling ↗

Совместимость

«Неизвестно» значит, что доказательств не найдено, а не что продукт несовместим.
ПлатформаСтатусАрхитектураДоказательствоУверенность
Node.jsНеизвестно———
PythonСовместимо—манифест пакета: pyproject.toml name0.60
JVMНеизвестно———
.NETНеизвестно———
WebAssemblyНеизвестно———
Web browserНеизвестно———

Релизы

проверено 29 окт. 2026 г.
v2.145.0Последний29 окт. 2026 г.Официальный источник ↗

Файлы версии 2.145.0

К релизу не приложены файлы.

История релизов

Профиль качества

алгоритм quality-v1.0 · оценено 15 окт. 2026 г.
Оценка качества100
Оценка риска0
Уверенность 1.00
Оценка качества и оценка риска — разные показатели. Высокое качество не гарантирует безопасность.

Составляющие оценки

Поддержка · 2020
last activity 0 days ago
Документация · 1515
README 8527 chars, description present
Готовность к использованию · 1515
install instructions: yes; releases: yes
Метаданные · 1010
4/4 of description, homepage, license, topics
Релизы · 1010
10 release(s), latest 1 days ago
Точность категории · 1010
classifier confidence 1
Популярность · 1010
68939 stars (log-dampened, 10k = max)
Ясность лицензии · 55
SPDX MIT
Сообщество · 55
issues enabled, 5089 forks

Лицензия

MIT
Лицензия известнапо данным хостинга репозитория

Это статус политики каталога, а не юридическое заключение.

Источники

github.com/docling-project/doclingОсновной★ 68 939 звёздактивность 15 окт. 2026 г.Основной репозиторий · Уверенность 1.00

Отзывы

Войдите, чтобы написать отзыв

Отзывов пока нет.

Альтернативы

itext-javaПохожий
iText Core — открытая Java-библиотека для создания, редактирования, подписи и проверки PDF-документов со встроенным движком верстки и поддержкой PDF/A и PDF/UA.Библиотеки и SDK
PyMuPDFПохожий
PyMuPDF — высокопроизводительная библиотека Python для извлечения данных, анализа, конвертации и редактирования PDF и других документов на базе движка MuPDF.AGPL-3.0 · Библиотеки и SDK
pdf.jsПохожий
pdf.js — открытая библиотека для просмотра PDF на JavaScript, которая разбирает и отображает PDF-файлы прямо в браузере с помощью HTML5, лицензия Apache-2.0.Apache-2.0 · Библиотеки и SDK
milkdownПохожий
Milkdown — это открытый фреймворк для WYSIWYG-редактора markdown с плагинной архитектурой, позволяющий встроить редактирование rich-text в JavaScript- и TypeScript-приложения.MIT · Библиотеки и SDK
tikaПохожий
Apache Tika — открытая библиотека и инструмент на Java для определения типа файлов и извлечения метаданных и текста из более чем тысячи форматов, включая PDF, PPT и XLS.Apache-2.0 · Библиотеки и SDK
pdfboxПохожий
Apache PDFBox — библиотека с открытым кодом на Java для создания, редактирования и извлечения содержимого PDF-документов.Apache-2.0 · Библиотеки и SDK

README

Из docling-project/docling · лицензия MIT · загружено 29 окт. 2026 г.

Docling

[arXiv] [Docs] [PyPI version] [PyPI - Python Version] [uv] [Ruff] [Pydantic v2] [prek] [License MIT] [PyPI Downloads] [Docling Actor] [Chat with Dosu] [Discord] [OpenSSF Best Practices] [LF AI & Data]

What is Docling ?

Docling simplifies document processing by parsing diverse formats — including advanced PDF understanding — and providing seamless integrations with the generative AI ecosystem.

Features

  • 🗂️ Parsing of multiple document formats including PDF, DOCX, PPTX, XLSX, HTML, EPUB, Apple Pages, Numbers & Keynote, WAV, MP3, WebVTT, Box Notes, email formats (EML, MSG), images (PNG, TIFF, JPEG, ...), LaTeX, DocLang, plain text, and more
  • 📑 Advanced PDF understanding incl. page layout, reading order, table structure, code, formulas, image classification, and more
  • 🧬 A unified, expressive DoclingDocument representation format
  • ↪️ Various export formats and options, including Markdown, HTML, WebVTT, DocLang, DocTags and lossless JSON
  • 📜 Support for several application-specific XML schemas including DocLang, USPTO patents, JATS articles, and XBRL financial reports.
  • 🔒 Local execution capabilities for sensitive data and air-gapped environments
  • 🤖 Plug-and-play integrations incl. LangChain, LlamaIndex, Crew AI & Haystack for agentic AI
  • 🔍 Extensive OCR support for scanned PDFs and images
  • 👓 Support for several Visual Language Models, such as (GraniteDocling)
  • 🎙️ Audio support with Automatic Speech Recognition (ASR) models
  • 🔌 Connect to any agent using the MCP server
  • 🌐 Run Docling as a service with the API server (docling-serve)
  • 💻 Simple and convenient CLI

What's new

  • 🎬 Parsing of video files (MP4, AVI, MOV, MKV, and WebM) with an ASR transcript and representative keyframes
  • 📄 Parsing of ODF (OpenDocument Format) files for text documents (.odt), spreadsheets (.ods), and presentations (.odp)
  • 💼 Parsing of XBRL (eXtensible Business Reporting Language) documents for financial reports
  • 📧 Parsing of email files (.eml, .msg)
  • 📚 Parsing of EPUB (Electronic Publication) files for e-books
  • 🍎 Parsing of Apple Pages (.pages) documents, Numbers (.numbers) spreadsheets and Keynote (.key) presentations
  • 📝 Parsing of plain-text files (.txt, .text) and Markdown supersets (.qmd, .Rmd)
  • 📊 Chart understanding (Barchart, Piechart, LinePlot): convert them into tables or code and add detailed descriptions

Coming soon

  • 📝 Metadata extraction, including title, authors, references & language
  • 📝 Complex chemistry understanding (Molecular structures)

Quickstart

1. Install

pip install docling

Note: Python 3.9 support was dropped in docling version 2.70.0. Please use Python 3.10 or higher.

Works on macOS, Linux and Windows environments for both x86_64 and arm64 architectures.

More detailed installation instructions are available in the docs.

2. Convert a document (CLI)

docling https://arxiv.org/pdf/2206.01062

This generates a .md file in the current directory containing structured document content.

You can also use 🥚GraniteDocling and other VLMs via Docling CLI:

docling --pipeline vlm --vlm-model granite_docling https://arxiv.org/pdf/2206.01062

3. Python usage (recommended)

from docling.document_converter import DocumentConverter

source = "https://arxiv.org/pdf/2408.09869"  # a document via a local path or URL
converter = DocumentConverter()
result = converter.convert(source)
print(result.document.export_to_markdown())  # output: "## Docling Technical Report[...]"

More advanced usage and configuration options.

Documentation

Check out Docling's documentation for details on installation, usage, concepts, recipes, extensions, and more.

Examples

Go hands-on with our examples, demonstrating how to address different application use cases with Docling.

Integrations

To further accelerate your AI application development, check out Docling's native integrations with popular frameworks and tools.

Get help and support

Please feel free to connect with us using the discussion section.

Technical report

For more details on Docling's inner workings, check out the Docling Technical Report.

Contributing

Please read Contributing to Docling for details.

References

If you use Docling in your projects, please consider citing the following:

@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}
}

License

The Docling codebase is under MIT license. For individual model usage, please refer to the model licenses found in the original packages.

LF AI & Data

Docling is hosted as a project in the LF AI & Data Foundation.

IBM ❤️ Open Source AI

The project was started by the AI for knowledge team at IBM Research Zurich.

Открыть репозиторий ↗