Docling : prise en charge d'une variété de formats, analyse et exportation de documents en Markdown et JSON, prise en charge des PDF, OCR

Introduction générale

Docling est un puissant outil d'analyse et d'exportation de documents qui prend en charge un large éventail de formats de documents, notamment PDF, DOCX, PPTX, XLSX, images, HTML, AsciiDoc et Markdown. Il analyse et exporte ces documents vers les formats HTML, Markdown et JSON, avec une prise en charge de l'intégration et du référencement des images. Docling permet une compréhension avancée des documents PDF, y compris l'analyse de la mise en page, de l'ordre de lecture et de la structure des tableaux. Docling est facile à intégrer et supporte l'intégration avec les puissantes applications RAG/QA de LlamaIndex et LangChain, en fournissant une interface de ligne de commande (CLI) simple et pratique.

Liste des fonctions

• Analyse de plusieurs formats de documents (PDF, DOCX, PPTX, XLSX, Image, HTML, AsciiDoc, Markdown)
• Exportation aux formats HTML, Markdown et JSON
• Compréhension avancée des documents PDF (mise en page, ordre de lecture, structure des tableaux)
• Prise en charge de la technologie OCR pour analyser les PDF numérisés
• Fournit un format de représentation unifié pour les documents DoclingDocument.
• Intégration facile avec LlamaIndex et LangChain
• Interface de ligne de commande (CLI) simple et pratique

Utiliser l'aide

Processus d'installation

Pour utiliser Docling, il suffit d'installer docling à partir d'un gestionnaire de paquets, par exemple à l'aide de pip :

pip install docling

Docling est disponible pour les environnements macOS, Linux et Windows et prend en charge les architectures x86_64 et arm64. Des instructions d'installation détaillées sont disponibles dans la documentation officielle.

Lignes directrices pour l'utilisation

Conversion d'un seul document

Pour convertir des documents individuels, vous pouvez utiliser la fonction convert() Méthodes, par exemple :

from docling.document_converter import DocumentConverter
source = "path/to/document.pdf"  # 文档的本地路径或 URL
converter = DocumentConverter()
result = converter.convert(source)
print(result.document.export_to_markdown())  # 输出转换后的 Markdown 格式文档

Utilisation avancée

Docling offre un ensemble riche d'options d'utilisation avancées qui peuvent être configurées et étendues selon les besoins. Des instructions détaillées et des exemples peuvent être trouvés dans la documentation officielle.

Fonction Opération Déroulement

1. résolution des documentsImportation d'un document dans Docling : Importer un document dans Docling et utiliser l'analyseur intégré pour analyser le contenu du document.
2. conversion de formatPour cela, vous devez sélectionner le format à exporter (HTML, Markdown, JSON) et utiliser la fonction d'exportation correspondante pour convertir le format.
3. Analyse OCRPour les documents PDF numérisés, activez la fonction OCR pour extraire le contenu textuel du document.
4. application intégréeDocling : Intégrez Docling à LlamaIndex ou LangChain pour créer de puissantes applications RAG/QA.
5. opération en ligne de commandeLes outils CLI fournis par Docling permettent d'effectuer rapidement des opérations d'analyse et d'exportation de documents.

Les fonctions d'analyse et d'exportation de documents de Docling sont puissantes et faciles à utiliser pour un large éventail de besoins en matière de traitement de documents. Les utilisateurs peuvent rapidement démarrer et profiter pleinement des fonctionnalités de Docling grâce à une documentation officielle détaillée et à des exemples.