Docling：把复杂 PDF 和办公文档整理成结构化资料

Docling：把复杂 PDF 和办公文档整理成结构化资料

一句话看懂

在本地识别 PDF、Word、PPT、表格、公式和扫描件，并输出适合 AI 使用的结构化内容。 它来自开源项目 docling-project/docling（项目方公开仓库），重点不是展示技术名词，而是帮你判断：它能解决什么问题、第一次怎样看到结果，以及哪些功能会用到额外模型或服务。官方在 2026 年 8 月 28 日继续发布 v2.123.1，文档解析能力和格式覆盖仍在快速迭代。

你可以拿它做什么

• 把带表格和公式的 PDF 转成结构化 Markdown；
• 批量解析 Word、PPT、Excel、HTML 和电子书后建立知识库；
• 在不上传私密文件的情况下本地执行 OCR 和版面识别；
• 先用一个小样例比较输入和输出，再决定是否接入长期工作流。

下载后怎么用

pip install docling
docling document.pdf

第一次不要直接处理重要资料。选一份小文件或测试项目，按上面的最小步骤运行；当你看到输出文件、网页界面或明确的完成结果，就说明基础链路已经跑通。

先完成一次最小体验：准备测试素材，按最短入口启动，只验证一个最核心结果，并记录运行时间和输出位置。

把它用于真实工作：以“把带表格和公式的 PDF 转成结构化 Markdown”为第一个真实场景，再尝试“批量解析 Word、PPT、Excel、HTML 和电子书后建立知识库”；每次只增加一个变量，出现问题更容易定位。

控制费用和风险：先确认数据是在本地还是会发给外部模型，设置用量上限，并为失败、误操作和结果偏差保留人工检查。

使用前要准备什么

• Python 环境；
• 复杂或大批量文档建议准备充足内存和存储空间；
• 资源包和阅读本身免费；项目本身可免费本地运行，不要求购买官方 API；OCR、语音和视觉模型会占用本机算力，选用外部模型服务时才可能付费。
• 如果接入云端模型或第三方服务，费用、隐私和可用地区以对应服务商规则为准。

适不适合你

• 如果你是需要整理论文和报告的学生与研究人员，并希望得到“在本地识别 PDF、Word、PPT、表格、公式和扫描件，并输出适合 AI 使用的结构化内容”这样的结果，会比较适合；
• 如果你是企业知识库运营人员，并希望得到“在本地识别 PDF、Word、PPT、表格、公式和扫描件，并输出适合 AI 使用的结构化内容”这样的结果，会比较适合；
• 如果你是RAG 与文档 AI 开发者，并希望得到“在本地识别 PDF、Word、PPT、表格、公式和扫描件，并输出适合 AI 使用的结构化内容”这样的结果，会比较适合；
• 如果你只想要完全不配置、双击后立刻得到完美成品，它可能不适合；
• 注意：它面向文档解析和开发工作流，不是带完整资料管理界面的桌面软件；扫描件、公式和非常复杂的版式仍要检查输出。

资源包里有什么

• 项目方公开的 v2.123.1 源码与原始下载包；
• 项目 README、版本说明和一份中文使用说明；
• 3 张可用于网站展示的项目截图，包含封面、功能说明和版本信息；
• 《资源使用介绍》PDF、资源详情介绍、开源与付费说明；
• 文件清单和 SHA-256 校验值，方便确认下载是否完整。

可信信息

唯一项目来源：项目方公开版本

本资源包采用 v2.123.1。官方仓库公开解析管线、模型接入、CLI、Python API、导出器、示例与测试。 核心处理可在本地运行；可通过 Python、CLI 或自建 API 服务使用。 项目本身可免费本地运行，不要求购买官方 API；OCR、语音和视觉模型会占用本机算力，选用外部模型服务时才可能付费。