Skip to main content
Docling 解析 PDF、DOCX、PPTX、HTML 等格式为包含文档布局、表格等丰富统一表示,使其适用于检索增强生成(RAG)等生成式 AI 工作流。 该集成通过 DoclingLoader 文档加载器提供 Docling 的功能。

概述

集成详情

加载器特性

DoclingLoader 组件支持以下功能:
  • 灵活使用多种文档类型构建 LLM 应用
  • 利用 Docling 的丰富格式实现文档原生锚定
DoclingLoader 支持两种导出模式:
  • ExportType.DOC_CHUNKS(默认):将输入文档切分为块,每个块作为独立 LangChain 文档
  • ExportType.MARKDOWN:将整个输入文档作为独立 LangChain 文档
通过参数 EXPORT_TYPE 可切换模式,示例流程将根据参数值自动配置。

配置

建议使用 GPU 加速提升转换速度(例如 Colab 环境启用 GPU 运行时)

初始化

基础初始化示例如下:
高级用法可通过 DoclingLoader 配置以下参数:
  • file_path:源(单个字符串或迭代器)
  • converter(可选):指定 Docling 转换器实例
  • convert_kwargs(可选):转换执行参数
  • export_type(可选):导出模式(ExportType.DOC_CHUNKS 默认或 ExportType.MARKDOWN)
  • md_export_kwargs(可选):Markdown 导出参数
  • chunker(可选):文档切分器实例
  • meta_extractor(可选):元数据提取器

加载

“Token 序列长度超过指定最大值” 的提示可忽略(详见 docling-core GitHub issue)。
示例文档预览:

懒加载

支持按需加载文档:

全流程示例

  • 使用 HuggingFace 推理 API(通过环境变量 HF_TOKEN 提供 Token 可提升额度)
  • 依赖安装方式(--no-warn-conflicts 适用于 Colab 预置环境,按需可删除)
定义管道参数:
确定分割方式:
示例分割结果:

数据摄入

检索增强生成

注意:源数据包含丰富锚定信息,包括章节(section)、页码和精确边界框。

API 参考


官方原文:src/oss/python/integrations/document_loaders/docling.mdx · 非官方翻译,译文由 AI 生成,以英文原文为准。
Last modified on November 3, 2026