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

Formats pris en charge par Docling

Ce que Docling peut lire et exporter. D'après la liste officielle : vérifiez toujours la page officielle.

FormatCatégorieOCRTableauxRemarquesCommande
PDF
.pdf		 DocumentsoptionnelouiAnalyse PDF avancée avec mise en page, ordre de lecture et compréhension des tableaux.
  • Utilisez --no-ocr pour les PDF numériques et --ocr-mode full_page pour les scans.
  • L'entrée la plus complète : mise en page, ordre de lecture et tableaux.
 docling convert file.pdf --to md
Word
.docx, .doc		 DocumentsnonouiDocuments Word avec titres, listes et tableaux.
  • Titres, listes et tableaux se transposent bien en Markdown.
 docling convert file.docx --to md
OpenDocument Text
.odt		 DocumentsnonouiDocuments texte OpenDocument.
  • Idéal pour les documents créés dans LibreOffice Writer.
 docling convert file.odt --to md
Apple Pages
.pages		 DocumentsnonouiDocuments Apple Pages (Pages 5+ et iWork '09).
  • Prend en charge Pages 5+ et les fichiers iWork '09.
 docling convert file.pages --to md
Markdown
.md, .qmd, .Rmd		 DocumentsnonouiMarkdown pur et sur-ensembles Markdown.
  • Convertit le Markdown et ses sur-ensembles (qmd, Rmd).
 docling convert file.md --to md
AsciiDoc
.adoc, .asciidoc		 DocumentsnonouiDocuments texte AsciiDoc.
  • Adapté à la documentation technique écrite en AsciiDoc.
 docling convert file.adoc --to md
LaTeX
.tex, .latex		 DocumentsnonouiDocuments sources LaTeX.
  • Convertissez la source .tex, pas le PDF compilé.
 docling convert file.tex --to md
Plain text
.txt, .text		 DocumentsnonnonFichiers texte brut.
  • Le texte brut n'a aucune structure à récupérer.
 docling convert file.txt --to md
PowerPoint
.pptx, .ppt		 PrésentationsnonouiDiapositives avec mise en page, zones de texte et notes.
  • Les notes du présentateur sont capturées avec le texte des diapositives.
 docling convert file.pptx --to md
OpenDocument Presentation
.odp		 PrésentationsnonouiPrésentations OpenDocument.
  • Idéal pour les présentations LibreOffice Impress.
 docling convert file.odp --to md
Excel
.xlsx, .xls		 TableursnonouiClasseurs convertis en tableaux par feuille.
  • Chaque feuille devient son propre tableau structuré.
 docling convert file.xlsx --to md
OpenDocument Spreadsheet
.ods		 TableursnonouiTableurs OpenDocument.
  • Idéal pour les classeurs LibreOffice Calc.
 docling convert file.ods --to md
CSV
.csv		 TableursnonouiValeurs séparées par des virgules.
  • Analysé comme un seul tableau.
 docling convert file.csv --to md
HTML
.html, .htm, .xhtml		 WebnonouiPages web et HTML enregistré.
  • Les scripts et styles sont ignorés ; le contenu visible est conservé.
 docling convert file.html --to md
EPUB
.epub		 WebnonouiLivres électroniques au format EPUB.
  • Les chapitres suivent l'ordre du livre.
 docling convert file.epub --to md
WebVTT
.vtt		 WebnonnonWeb Video Text Tracks (sous-titres).
  • Les sous-titres minutés deviennent du texte structuré.
 docling convert file.vtt --to md
Images
.png, .jpg, .jpeg, .tiff		 ImagesouipartielPages scannées et fichiers image ; OCR requis pour le texte.
  • L'OCR est requis pour le texte ; utilisez --ocr-mode full_page.
 docling convert scan.png --to md
Email
.eml, .msg		 E-mailnonouiFichiers de messages électroniques.
  • En-têtes, corps et pièces jointes sont séparés.
 docling convert mail.eml --to md
XBRL
.xml (XBRL)		 XMLnonouieXtensible Business Reporting Language : rapports financiers.
  • Les tableaux financiers sont conservés.
 docling convert report.xml --to md
USPTO XML
.xml (USPTO)		 XMLnonouiDocuments XML de brevets USPTO.
  • XML de brevets avec sections et revendications.
 docling convert patent.xml --to md
JATS XML
.xml (JATS)		 XMLnonouiXML JATS d'articles de revue.
  • XML d'articles avec sections structurées.
 docling convert article.xml --to md
Audio
.wav, .mp3		 Audio/VidéononnonParole transcrite avec le pipeline ASR.
  • Nécessite l'extra asr ; utilise Whisper.
 docling convert audio.mp3 --pipeline asr --to md
Video
.mp4, .avi, .mov, .mkv, .webm		 Audio/VidéononnonVidéo analysée en transcription ASR avec des images clés représentatives.
  • Produit une transcription ASR et des images clés représentatives.
 docling convert video.mp4 --pipeline asr --to md

Configurer l'OCR ou les options de sortie ? Ouvrez le configurateur ou comparez les moteurs OCR.

1
?tape 1

Comment Docling convertit un document

Docling lit 23 formats d'entrée répartis en huit familles et exporte neuf formats de sortie. Filtrez le tableau pour trouver un format, puis suivez sa commande. Ce guide explique le fonctionnement de la conversion, la lecture du tableau et le choix de la bonne sortie.

Chaque entrée passe par le même pipeline : le fichier est analysé en un unique DoclingDocument, puis exporté dans le format choisi.

  • L'analyse de mise en page détecte colonnes, en-têtes, pieds de page et ordre de lecture.
  • TableFormer reconstruit les tableaux en matrices Markdown ou HTML.
  • L'OCR n'est appliqué qu'aux pages sans couche de texte, ou si vous le forcez.
  • Le résultat est un DoclingDocument exportable de nombreuses façons.
2
?tape 2

Comment lire le tableau

Le tableau liste chaque entrée prise en charge avec ses extensions, sa catégorie et une commande prête à l'emploi.

  • OCR : si l'OCR s'applique à cette entrée (optionnel, oui ou non).
  • Tableaux : si la structure des tableaux est reconstruite (oui, partiel ou non).
  • Notes et astuces : les points à surveiller pour ce format.
  • Commande : copiez-la et remplacez le nom de fichier.
3
?tape 3

Choisir la bonne sortie

Le format d'entrée ne limite pas l'export ; choisissez la sortie adaptée à l'étape suivante.

4
?tape 4

OCR et tableaux par format

L'OCR ne s'applique qu'aux entrées image. Les tableaux sont reconstruits pour tous les formats structurés.

  • Les images et les PDF scannés nécessitent l'OCR ; les PDF numériques généralement pas.
  • Office, web et XML apportent déjà la structure : l'OCR est désactivé par défaut.
  • L'audio et la vidéo utilisent le pipeline ASR plutôt que l'OCR.
  • Choisissez un moteur OCR sur la page Moteurs OCR.
5
?tape 5

Quand un format n'est pas pris en charge

Si un fichier n'est pas dans le tableau, Docling ne peut pas l'analyser directement.

  • Convertissez-le d'abord en PDF, DOCX ou HTML.
  • Retirez la protection par mot de passe des PDF chiffrés.
  • Testez avec une copie neuve si le fichier peut être corrompu.
  • Voir le dépannage pour les erreurs de conversion.
6
?tape 6

Performance et confidentialité

La conversion s'exécute en local et seuls les modèles activés prennent du temps.

  • Désactivez l'OCR pour les documents numériques ; c'est le premier facteur de vitesse.
  • Utilisez --table-mode fast quand des tableaux approximatifs suffisent.
  • Privilégiez un GPU pour les gros lots.
  • Rien n'est téléversé ; les fichiers ne quittent jamais votre machine.
7
?tape 7

Questions fréquentes

Quels formats Docling peut-il lire ?
23 formats d'entrée : documents, tableurs, présentations, web, images, e-mail, XML et audio/vidéo. Le tableau ci-dessus les liste tous.
Quels formats de sortie Docling peut-il écrire ?
Markdown, JSON, HTML, DocTags, DocLang, WebVTT, YAML, LaTeX et JSON découpé.
Docling a-t-il besoin de l'OCR pour chaque PDF ?
Non. L'OCR est optionnel et n'est nécessaire que pour les scans ou les PDF sans couche de texte. Utilisez --no-ocr pour les PDF numériques.
Docling peut-il lire des PDF chiffrés ?
Non. Retirez la protection par mot de passe avant de convertir.
Docling conserve-t-il les tableaux ?
Oui. TableFormer reconstruit les tableaux des entrées structurées et des PDF ; les images et scans dépendent de la qualité de l'OCR.
Et si mon format n'est pas listé ?
Convertissez-le d'abord en PDF, DOCX ou HTML, puis lancez Docling dessus.