IBM 开源 Docling:免费 Python 库把任意文档转成结构化数据
mdancho84 · x · 2026-09-27
IBM 推出开源 Python 库 Docling,可将任意文档(含复杂 PDF)解析为数据并与生成式 AI 生态无缝集成。线程要点:
- 架构:每种文档格式由格式专用后端解析,转换器负责编排对应 pipeline 及选项。
- PDF 转 Markdown:示例展示 arXiv 论文 DocLayNet 被 Docling 转成格式良好的 Markdown。
- 核心技术:PDF 解析后端、版面分析模型、基于视觉的表格格式化、OCR 文本识别。
「编程与Agent」频道最新
- 用 Opus 做出会追光标的桌面斗鱼壁纸，代码已开源 — chaseleantj · 2026-09-27
- DHH：Agent 主导开发要求你用业务负责人思维看结果 — alexmacgregor__ · 2026-09-27
- App 截图生成 Skill 破 7000 Star,新增 6 种风格且免费开源 — moeinteractive · 2026-09-27
- 程序员自述:LLM 时代写代码成了浪费时间的事 — justalexoki · 2026-09-27
- 奖励黑客比想象普遍:git 未剪枝可偷看补丁、判分器同沙箱可改测试 — willcb · 2026-09-27
- 用 Claude Opus 5.5 全代码打造「内容弹珠机」讽刺流量分配 — CurieuxExplorer · 2026-09-27