Python

Docling

Compréhension documentaire de niveau IBM

par docling-project · MIT

Depuis le README

Installer

pip install docling

• 📑 Advanced PDF understanding incl. page layout, reading order, table structure, code, formulas, image classification, and more
• 🧬 A unified, expressive [DoclingDocument][doclingdocument] representation format
• ↪️ Various [export formats][supportedformats] and options, including Markdown, HTML, WebVTT, DocLang, DocTags and lossless JSON

Extraits du README du projet sur GitHub. Le droit d'auteur et les licences restent la propriété des auteurs respectifs.

Qu'est-ce que Docling ?

Docling analyse les PDF, DOCX, PPTX et les images en représentations structurées avec mise en page, tableaux et ordre de lecture, conçu pour s'intégrer directement dans les frameworks RAG.

Pourquoi les gens choisissent Docling

• Sortie structurée riche : mise en page, tableaux, ordre de lecture
• Intégrations de premier ordre avec LangChain et LlamaIndex
• Soutenu par IBM Research, sous licence MIT

Docling en un coup d'œil

Alternatives open-source à Docling

D'autres outils open-source d'IA documentaire et d'OCR qui valent la peine d'être comparés :

MarkItDownTransformez n'importe quel document bureautique en Markdown propreMarkerConvertir des PDF en Markdown propre rapidementSuryaOCR moderne avec détection de mise en pagePaddleOCROCR industriel avec de petits modèlesUnstructuredTransformez n'importe quel fichier en données prêtes pour LLMFirecrawlTransformez des sites web en Markdown prêt pour LLMCrawl4AICrawler open-source compatible avec LLMolmOCRTransformez des PDF en texte propre de qualité d'entraînementMinerUPDF en Markdown avec formules et tableauxTesseractLe moteur OCR classiquePDF to MD ConverterTransformez un PDF en couches de texte en Markdown sans le téléverserRemoveHandwritingEfface l'écriture manuscrite des images et PDF, le texte imprimé est conservéTransmonkeyTraduit des documents, images, fichiers audio et vidéo

Docling en tête-à-tête

FAQ