把字從文書裡拉出來是容易的那一半，任何線上轉換器都會做。Docling 這套文書解析工具從另一頭開始，先讀版面，讓表格還是表格。

Docling 在 Windows、macOS 與 Linux 的電腦上都能裝，能把 PDF、Word、PowerPoint、Excel、網頁、掃描件乃至錄音裡的內容拆成帶結構的文字，再匯出成 Markdown、HTML 或無損 JSON。它最早由 IBM 研究院的團隊發起，現由 LF AI & Data 基金會託管，採用 MIT 授權。2026 年 11 月 10 日發布的 2.150，把 iXBRL 財報也納進了輸入格式。

先認版面，再抽字

多數轉換工具走的是抽字路線：把 PDF 裡的文字流按順序拉出來，拼成一段。Docling 反過來，先認版面。版面模型判斷這一頁有哪些區域——頁首、頁尾、正文段落、清單、程式碼區塊、表格、圖片、公式，各自邊界在哪，然後才排閱讀順序。

雙欄論文最能說明差別。按座標從上往下掃，左右欄的句子會互相穿插；按閱讀順序排，先讀完左欄再讀右欄，句子才連得上。這個順序被寫進統一的文書模型，後面匯出 Markdown 時直接照抄，不用重新猜一遍。

掃描件是另一條路徑。整頁都是圖的時候沒有文字流可抽，得走辨識。它會先判斷這一頁有沒有可用的文字層，沒有才啟 OCR；辨識引擎可以換，也能掛視覺模型去讀版面。模型下載一次，之後都在本機跑。

表格進去，還是表格出來

表格是 PDF 轉換最容易翻車的地方。行列一旦被拍平成一行數字，檢索和閱讀都失去意義。Docling 用表格結構模型把儲存格邊界認回來，列、欄、多層表頭按原樣保留，跨列跨欄的合併儲存格也不算丟。表標題不會散在正文裡，它跟著表走。

公式同理。行內公式與獨立公式被辨識成 LaTeX，而不是一串錯位的字形。圖片單獨抽出來，附上它在頁面上的座標、原圖註，還有一個內容分類——這張圖是折線圖、圓餅圖還是照片，模型會給判斷。

2.150 這一版改了什麼

十一月的節奏很密，11 月 3 日到 10 日之間連發了幾個版本，改動集中在輸入面和抽取控制上。財報裡帶內聯標籤的 XBRL 格式，此前只能當普通網頁讀，標籤裡的財務事實會掉；2.150 支援直接讀入，還能按遠端位址解析分類標準。PDF 裡嵌著的圖片改成按需打開，預設不落地，省掉一批不必要的磁碟寫入。命令列重新排過，批次轉一個目錄時參數更直觀，輸出格式可以一次指定多個。

離線是設計前提，不是附加功能

Docling 預設不連外網：模型第一次下載後快取在本機，之後轉換全程離線，不上傳、不註冊帳號、不呼叫遠端介面。處理合約、財報、病歷這類材料的人，這一條往往決定能不能用——檔案不出本機，合規上就少一層解釋。

同一套管線能換跑法。本機跑通之後，相同的文書模型與設定可以搬到區域網路內的服務裡，業務程式幾乎不用改；再往上才是商業託管。對個人和小團隊來說，前兩檔已經夠用。

轉完之後能接什麼

輸出比輸入更寬。結構化走 JSON，人讀走 Markdown、HTML、純文字；給檢索用則直接切成分塊——按章節和表格邊界切，不是按固定字元數硬切，每個分塊帶著頁碼和版心座標，答案能指回原文的具體位置。

它還有個 MCP 服務端，代理可以把「讀文書」當成一次帶型別的呼叫，而不是把 PDF 位元組丟給模型去猜。LangChain、LlamaIndex 這類框架裡也有現成的接入方式。

能讀進來的東西比想像中雜。除了一串 Office 格式和 EPUB，郵件、行事曆、字幕檔案都在支援清單裡，錄音與影片也能轉成同一個文書模型——轉寫一次，後面按同一套結構取用。

如果只是把一份 PDF 轉成文字，隨手一個線上工具就能做。Docling 值得留下的理由是另一半：表格還是表格，公式還是 LaTeX，圖註跟著圖走，雙欄不會讀串行。這些結構在轉換時保住，後面做檢索、做知識庫、餵給模型時，才不用重新猜一遍。