Docling

开源文档处理 AI 效率工具收录于 2026-09-19

IBM 开源的文档解析工具，能把 PDF、Word、PPT、Excel、图片甚至音频视频统一转成结构化 Markdown 或 JSON；本地离线可跑，适合喂给大模型做 RAG

它能做什么

解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、LaTeX、图片、音频等 30 多种格式
深度理解 PDF 的版面、阅读顺序、表格结构、代码与公式
导出 Markdown、HTML、JSON、DocTags 等多种格式
支持扫描件 OCR 与图表理解（把柱状图、饼图转成表格或代码）
内置 MCP 服务，可直接接入 AI Agent
提供 CLI 与 API Server 两种用法，可本地离线运行

截图暂不可用

截图暂不可用

适用场景

做 RAG 的开发者：要把一批格式混乱的 PDF 转成模型能读的 Markdown 时
数据分析师：从上百份财报、论文里批量抽取表格和正文时
需要处理敏感文档的人：文档不能上传到第三方服务，只能本地跑解析时

踩坑提示

使用限制：首次运行会下载模型文件，体积较大；处理大批量扫描件时对内存和速度有要求
功能边界：复杂手写体、极端排版的老扫描件识别效果有限；音频与视频解析依赖额外的 ASR 模型
访问与速度：安装包体积不小（含多个模型依赖），网络慢时 pip 安装会比较久
长期可用性：已进入 Linux 基金会托管，长期维护风险低；但模型部分单独授权，商用前需核对

替代方案对比

替代品	比它强在哪	比它弱在哪	什么情况下选这个替代品
Marker	转换速度快，对 PDF 表格和公式处理效果好，轻量	格式覆盖不如 Docling 广，不含音频视频与原生的 MCP 服务	只处理 PDF 且更在意速度时
MinerU	中文文档与竖排、公式识别针对性强，国内团队维护	英文与多语言格式覆盖不如 Docling	主要处理中文论文和中文 PDF 时
PyMuPDF	纯文本提取快且依赖轻，稳定性好	基于规则解析，遇到复杂版面、跨页表格容易错乱	只需要抽文字、不要求版面结构时

更在意格式覆盖广度与结构还原精度选 Docling；更在意处理速度和轻量选 Marker

资源地址

继续浏览

上一条Hister 下一条OpenStock

类似发现

不知道看什么？让阿卷带你随便逛逛

你也找到了好东西吗？分享给所有人

没有找到想要的？告诉阿卷帮你找