Docling 是把 PDF、Word、網頁等文件轉成結構化資料的開源工具,適合需要保留表格與文件層級的開發者;可先匯出 Markdown,再決定是否接進搜尋或 RAG 流程。
安裝與執行環境
工具版本 2.150.1;官方文件查閱日 2026-11-16。套件版本與官方文件快照分別固定,不把文件 commit 宣稱為套件發行 commit。
先用 python -m venv .venv 建專案虛擬環境,依自己的 shell 啟用後安裝。既有 Python 實測為 Linux/Python 3.12,其他作業系統未本地驗證。
python -m pip install "docling==2.150.1"
docling --help
docling report.docx --to md
這個安裝路線是 CLI/Python 函式庫,安裝後不會自動變成 MCP server。先在專案環境執行範例,再把輸出檔交給 AI。
- Claude Code: 在專案開啟對話,指定範例程式或產物檔名,執行前核對 Python 路徑。
- Codex: 開啟相同工作區,指定程式/輸出檔,請它檢查或依本機允許範圍執行。
- Cursor: 選專案的 Python interpreter,在終端執行指令,再把輸出檔附到對話。
這是檔案與終端工作流程,不宣稱有專用整合;三個客戶端介面未本地實測。
三個實際用途
1. Word 轉 Markdown
docling report.docx --to md
預期結果:應產生可閱讀的 Markdown;核對段落與表格欄名。
2. 把表格留給程式處理
from docling.document_converter import DocumentConverter
result = DocumentConverter().convert("report.docx")
print(result.document.export_to_dict())
預期結果:JSON 應包含文件與表格結構;不要只用 Markdown 的外觀看是否成功。
3. 讓 AI 摘要並附來源
讀取 Docling 匯出的 report.md,列出三項決策、各自原文引句及章節;沒有依據就寫未知。不要補寫原文件沒有的數字。
預期結果:應看到附章節與引句的決策清單;比對原檔後才採用。
實測發現:哪些已確認,哪些還沒測
既有隔離實測使用 docling-slim 2.150.1 的 Word/HTML 相依套件:兩種輸入均產生一張三列兩欄的結構化表格,欄名及兩筆資料保留。PDF、OCR 與模型下載未實測;上方完整套件的 PDF 路線依官方文件整理,未本地實測。
測試由 Codex 以合成資料執行,不宣稱站長親測或審稿。上方新增操作若未落在上述範圍,均為依官方文件整理、未本地實測。
常見錯誤與解法
PDF 首次執行卡住
PDF 模型可能需要額外下載;先用 Word 驗證安裝,再依官方離線模型設定準備模型。
找不到格式相依套件
本次精簡實測用 docling-slim 的 docx、html extras;要跑完整 PDF 路線,安裝上列完整 docling 套件。
表格或 OCR 讀錯
用原檔逐欄核對;掃描檔另選 OCR 設定,不把有輸出當成資料正確。
限制、費用與授權
程式採 MIT;模型各有自己的授權。文件轉換可在本機執行,仍需運算與儲存資源;接雲端模型的費用另計。複雜版面與辨識品質需用自己的文件驗收。
何時改用其他工具
-
只想快速把常見格式轉成文字:MarkItDown。
-
工作只集中在 PDF:PyMuPDF4LLM。
常見問答
Docling 能做 OCR 嗎?
支援相關 PDF/OCR 流程,但本頁實測只涵蓋 Word 與 HTML;要另裝模型並驗證語言與版面。
要去哪裡安裝 Docling?
用官方 PyPI 的 docling 套件,或依官方 GitHub 安裝指引。不要將同名翻譯產品視為同一工具。
Docling 和 IBM 有什麼關係?
專案源自 IBM Research,現行使用與授權應以連結的 Docling 官方專案為準。
官方來源
如果只需要可讀文字,可比較 MarkItDown 的轉換流程;以 PDF 為主的任務,也可用 PyMuPDF4LLM 的最小範例核對輸出。 Word 與 HTML 的差異可參考 Docling 與 MarkItDown 的同檔比較。