Docling v2.129.0
🇺🇸 English EN 🇩🇪 Deutsch DE 🇯🇵 日本語 JA 🇨🇳 简体中文 ZH 🇫🇷 Français FR 🇪🇸 Español ES
GitHub Commencer
Recettes

Exemples pratiques Docling

Des recettes courtes orientées tâches avec commande CLI, équivalent Python, sortie attendue et erreur fréquente. Chaque recette renvoie à la source officielle.

Jump to recipe

PDF vers MarkdownPDF vers JSONURL vers MarkdownPDF scanné avec OCRDésactiver l'OCR pour les PDF numériquesExtraire les tableauxExtraire formules et codeChunking RAG avec HybridChunkerIntégration LangChainIntégration LlamaIndex

PDF vers Markdown

PDF et conversion

Du Markdown propre et lisible depuis n'importe quel PDF numérique.

Quand l'utiliser : Quand vous avez besoin d'un Markdown propre et lisible à partir d'un PDF numérique ou mixte.

CLI

docling convert report.pdf --to md

Python

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("report.pdf")
print(result.document.export_to_markdown())

Options utilisées

  • --to md SĂ©lectionne la sortie Markdown.

Sortie attendue

# Annual Report

## Revenue

| Year | Revenue |
|---|---:|
| 2025 | $12M |
| 2026 | $15M |

Variantes

Ignorer l'OCR pour la vitesse

docling convert report.pdf --to md --no-ocr

Erreur fréquente : Traiter un PDF scanné et obtenir un texte vide. Si le PDF n'a pas de couche de texte, utilisez l'OCR (--ocr-mode full_page).

Documentation officielle · PDF vers JSON

PDF vers JSON

PDF et conversion

La structure DoclingDocument complète pour vos pipelines.

Quand l'utiliser : Quand vous avez besoin de la structure sans perte DoclingDocument, y compris les bounding boxes et les métadonnées de mise en page.

CLI

docling convert report.pdf --to json

Python

import json
from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("report.pdf")
print(json.dumps(result.document.export_to_dict(), indent=2))

Options utilisées

  • --to json Exporte la reprĂ©sentation JSON sans perte.

Sortie attendue

{
  "schema_name": "DoclingDocument",
  "texts": [ ... ],
  "tables": [ ... ]
}

Variantes

Ignorer l'OCR pour la vitesse

docling convert report.pdf --to json --no-ocr

Erreur fréquente : Attendre que le JSON de la CLI et export_to_dict() soient identiques octet pour octet ; ce sont des représentations équivalentes du même document.

Documentation officielle · PDF vers Markdown

URL vers Markdown

PDF et conversion

Convertir un document directement depuis une URL HTTP.

Quand l'utiliser : Quand le document est en ligne et que vous ne voulez pas le télécharger d'abord.

CLI

docling convert https://arxiv.org/pdf/2408.09869 --to md

Python

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("https://arxiv.org/pdf/2408.09869")
print(result.document.export_to_markdown())

Sortie attendue

## Docling Technical Report

...

Variantes

Exporter du JSON Ă  la place

docling convert https://arxiv.org/pdf/2408.09869 --to json

Erreur fréquente : Supposer que n'importe quelle URL fonctionne. La source doit être un format de document pris en charge et accessible en HTTP.

Documentation officielle · Formats pris en charge

PDF scanné avec OCR

OCR et scans

Récupérer le texte de pages uniquement image.

Quand l'utiliser : Quand les pages sont des images et ne contiennent pas de texte sélectionnable.

CLI

docling convert scan.pdf --ocr-mode full_page

Python

from docling.document_converter import DocumentConverter, PdfFormatOption
from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions

pipeline_options = PdfPipelineOptions()
pipeline_options.do_ocr = True

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
)
result = converter.convert("scan.pdf")
print(result.document.export_to_markdown())

Options utilisées

  • --ocr-mode full_page Applique l'OCR Ă  toutes les pages, mĂŞme avec du texte.

Sortie attendue

Text reconstructed from the scanned page image.

Variantes

Choisir un autre moteur

docling convert scan.pdf --ocr-mode full_page --ocr-engine rapidocr

Erreur fréquente : Laisser l'OCR activé sur des PDF numériques fait perdre du temps. Activez-le seulement si la couche de texte manque.

Documentation officielle · Comparer les moteurs OCR

Désactiver l'OCR pour les PDF numériques

OCR et scans

Conversion bien plus rapide pour les PDF numériques.

Quand l'utiliser : Quand le PDF possède déjà une couche de texte et que vous voulez la conversion la plus rapide.

CLI

docling convert report.pdf --no-ocr --to md

Python

from docling.document_converter import DocumentConverter, PdfFormatOption
from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions

pipeline_options = PdfPipelineOptions()
pipeline_options.do_ocr = False

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
)
result = converter.convert("report.pdf")
print(result.document.export_to_markdown())

Options utilisées

  • --no-ocr Ignore complètement l'Ă©tape OCR.

Sortie attendue

Markdown produced without running OCR.

Variantes

Tableaux rapides aussi

docling convert report.pdf --no-ocr --table-mode fast

Erreur fréquente : Désactiver l'OCR sur un PDF scanné donne peu ou pas de texte.

Documentation officielle · Toutes les commandes

Extraire les tableaux

Tableaux

Transformer les tableaux en matrices Markdown ou HTML.

Quand l'utiliser : Quand le document contient des tableaux que vous voulez en matrices Markdown ou HTML.

CLI

docling convert report.pdf --to md

Python

from docling.document_converter import DocumentConverter, PdfFormatOption
from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions

pipeline_options = PdfPipelineOptions()
pipeline_options.do_table_structure = True

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
)
result = converter.convert("report.pdf")
print(result.document.export_to_markdown())

Options utilisées

  • --table-mode accurate Utilise TableFormer pour les tableaux complexes Ă  cellules fusionnĂ©es.

Sortie attendue

| Region | Q1 | Q2 |
|---|---:|---:|
| EMEA | 4.2 | 4.8 |

Variantes

Tableaux rapides et approximatifs

docling convert report.pdf --to md --table-mode fast

Erreur fréquente : Supposer que chaque tableau est parfait. Les cellules fusionnées et les tableaux sans bordures peuvent nécessiter une relecture ; essayez --table-mode accurate.

Documentation officielle · CrĂ©er une commande

Extraire formules et code

Formules et code

Capturer les Ă©quations et le code en LaTeX.

Quand l'utiliser : Pour les documents scientifiques ou techniques contenant des Ă©quations ou des blocs de code.

CLI

docling convert paper.pdf --enrich-code --enrich-formula

Python

from docling.document_converter import DocumentConverter, PdfFormatOption
from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions

pipeline_options = PdfPipelineOptions()
pipeline_options.do_code_enrichment = True
pipeline_options.do_formula_enrichment = True

converter = DocumentConverter(
    format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
)
result = converter.convert("paper.pdf")
print(result.document.export_to_markdown())

Options utilisées

  • --enrich-code DĂ©tecte les blocs de code.
  • --enrich-formula Extrait les formules LaTeX.

Sortie attendue

$$ E = mc^2 $$

Variantes

Ajouter l'extraction des graphiques

docling convert paper.pdf --enrich-code --enrich-formula --enrich-chart-extraction

Erreur fréquente : Activer l'enrichissement sur des documents sans formules ni code ajoute du temps de traitement sans bénéfice.

Documentation officielle · CrĂ©er une commande

Chunking RAG avec HybridChunker

RAG

Des chunks structurés prêts pour une base vectorielle.

Quand l'utiliser : Quand vous voulez des chunks qui préservent titres, tableaux et métadonnées de page pour une base vectorielle.

CLI

docling convert report.pdf --to chunks --chunks-type hybrid

Python

from docling.document_converter import DocumentConverter
from docling.chunking import HybridChunker

converter = DocumentConverter()
result = converter.convert("report.pdf")

chunker = HybridChunker()
for chunk in chunker.chunk(result.document):
    print(chunk.text)

Options utilisées

  • --to chunks Produit une sortie dĂ©coupĂ©e.
  • --chunks-type hybrid Utilise HybridChunker.

Sortie attendue

Chunks split on document structure rather than raw character counts.

Variantes

Inspecter l'export brut

docling convert report.pdf --to json

Erreur fréquente : Utiliser un découpage naïf par caractères au lieu d'un chunking conscient de la structure, qui casse tableaux et titres.

Documentation officielle · Guide RAG

Intégration LangChain

Intégrations

Charger des documents analysés dans un pipeline LangChain.

Quand l'utiliser : Quand vous chargez des documents analysés dans un pipeline LangChain.

CLI

pip install langchain-docling

Python

from langchain_docling import DoclingLoader

loader = DoclingLoader(file_path="report.pdf")
docs = loader.load()
print(docs[0].page_content[:200])

Sortie attendue

LangChain Document objects with parsed page content and metadata.

Variantes

Puis convertir un fichier

docling convert report.pdf --to md

Erreur fréquente : Oublier d'installer le paquet d'intégration séparément de docling.

Documentation officielle · Recette LlamaIndex

Intégration LlamaIndex

Intégrations

Créer des nœuds LlamaIndex à partir de fichiers analysés.

Quand l'utiliser : Quand vous construisez des nœuds de document LlamaIndex à partir de fichiers analysés.

CLI

pip install llama-index-readers-docling

Python

from llama_index.readers.docling import DoclingReader

reader = DoclingReader()
documents = reader.load_data(file_path="report.pdf")
print(documents[0].text[:200])

Sortie attendue

LlamaIndex documents ready for indexing.

Variantes

Puis convertir un fichier

docling convert report.pdf --to md

Erreur fréquente : Mélanger les versions de docling et du paquet reader ; gardez les deux à jour.

Documentation officielle · Recette LangChain

Besoin d'une commande prĂŞte ? Utilisez la recherche de commandes ou le configurateur.

1
?tape 1

Comment utiliser ces exemples

Dix recettes prêtes à copier pour les tâches Docling les plus courantes. Chacune contient une commande CLI, l'équivalent Python, les flags utilisés, la sortie attendue et l'erreur à éviter.

Parcourez chaque recette de haut en bas.

  1. Trouvez votre tâche Filtrez par catégorie ou recherchez un flag ou un mot-clé.
  2. Copiez la commande Utilisez le bouton Copier du bloc CLI ou copiez l'Ă©quivalent Python.
  3. Exécutez-la Les commandes écrivent le fichier converti à côté de la source par défaut.
  4. Vérifiez la sortie Comparez-la à la sortie attendue indiquée dans la recette.
  5. Adaptez-la Ajoutez des flags de la recette ou créez une commande sur mesure dans le générateur.
2
?tape 2

Avant de commencer

Chaque exemple suppose que Docling est installé et que vous avez un document d'exemple.

  • Python 3.10 ou une version ultĂ©rieure est requis.
  • Les exemples OCR nĂ©cessitent un moteur OCR ; RapidOCR est un bon choix pour le CPU.
  • Les exemples d'intĂ©gration installent un paquet sĂ©parĂ©.
pip install docling
docling --help
3
?tape 3

Quel exemple utiliser ?

Choisissez la ligne la plus proche de votre tâche.

Je veux…ExempleOption clé
Obtenir du texte lisiblePDF vers Markdown--to md
Obtenir des données structuréesPDF vers JSON--to json
Convertir une URLURL vers Markdownargument URL
Lire un scan ou une photoPDF scanné avec OCR--ocr-mode full_page
Accélérer les PDF numériquesDésactiver l'OCR--no-ocr
Extraire des tableauxExtraire les tableaux--table-mode
Obtenir formules et codeExtraire formules et code--enrich-*
DĂ©couper pour le RAGDĂ©coupage RAG--to chunks
Utiliser LangChainIntégration LangChainpaquet d'intégration
Utiliser LlamaIndexIntégration LlamaIndexpaquet d'intégration
4
?tape 4

Comment adapter une recette

Adaptez une recette avec quelques changements.

  • Remplacez le nom de fichier ou l'URL par votre source.
  • Ajoutez --no-ocr pour les PDF numĂ©riques et --ocr-mode full_page pour les scans.
  • Changez la sortie avec --to md, --to json, --to html ou --to doctags.
  • Ajoutez --device cuda et --num-threads pour les gros lots.
  • Construisez la commande complète dans le gĂ©nĂ©rateur de configuration.
5
?tape 5

CLI ou Python ?

Utilisez la CLI pour les conversions ponctuelles et l'API Python pour post-traiter le document, traiter de nombreux fichiers ou intégrer une autre bibliothèque.

  • CLI : rapide, scriptable, sans code.
  • Python : accès complet Ă  DoclingDocument, aux chunks et aux options du pipeline.
6
?tape 6

Pour aller plus loin

Outils et références associés.

7
?tape 7

Questions fréquentes

Ces exemples fonctionnent-ils tels quels ?
Oui, une fois Docling installé. Remplacez le nom de fichier d'exemple (report.pdf, scan.pdf, paper.pdf) par le vôtre.
OĂą le fichier converti est-il Ă©crit ?
À côté du fichier source par défaut, avec une extension correspondant au format de sortie.
Puis-je traiter plusieurs fichiers Ă  la fois ?
Oui. Passez plusieurs chemins Ă  la CLI ou parcourez les fichiers en Python.
Comment choisir entre CLI et Python ?
Utilisez la CLI pour les conversions rapides et Python pour traiter le résultat par programmation.
Pourquoi mon PDF scanné est-il vide ?
Il n'a pas de couche de texte. Utilisez la recette OCR avec --ocr-mode full_page.
Comment obtenir des chunks pour une base vectorielle ?
Utilisez la recette de découpage RAG, puis transmettez les chunks à votre base vectorielle. Voir le guide RAG.