Docling

Docling 简化了文档处理，可解析多种格式——包括高级 PDF 理解——并无缝集成至生成式 AI 生态系统。

特性：

• 支持多种文档格式解析，包括 PDF、DOCX、XLSX、HTML、图片等
• 高级 PDF 理解功能，包括页面布局、阅读顺序、表格结构、代码、公式、图像分类等
• 统一且表达力强的 DoclingDocument 表示格式
• 多种导出格式与选项，包括 Markdown、HTML 和无损 JSON
• 支持本地执行，适用于敏感数据及离线环境
• 即插即用的集成支持，涵盖 LangChain、LlamaIndex、Crew AI 与 Haystack，适用于智能体 AI
• 对扫描版 PDF 和图片提供全面 OCR 支持
• 支持视觉语言模型（SmolDocling）🆕🔥
• 简单便捷的命令行界面（CLI）