Skip to content
    HAQQ
    Accedi
    Contatta le vendite
    Prova HAQQ
    Prova HAQQ
    1. Home
    2. Blog
    3. Docling Python: guida pratica per elaborare file nel 2026
    Guide & Tutorial

    Docling Python: guida pratica per elaborare file nel 2026

    Installa Docling 2.140, converti PDF e scansioni in Markdown in cinque righe, applica l'OCR a un contratto arabo scansionato con tabelle e suddividilo in chunk per RAG.

    Jad JabbourJad Jabbour|
    20 maggio 2026
    8 min di lettura
    Docling Python: guida pratica per elaborare file nel 2026

    In sintesi: Docling è una libreria Python con licenza MIT, nata in IBM Research e oggi ospitata da LF AI & Data, che converte PDF, file Word, scansioni e oltre 30 altri formati in Markdown o JSON per le pipeline di IA. La versione 2.140.0 (16 ottobre 2026) si installa con un solo comando pip e converte un file in cinque righe di Python.

    bash
    pip install docling
    python
    from docling.document_converter import DocumentConverter
    
    converter = DocumentConverter()
    result = converter.convert("contract.pdf")  # a local path or a URL
    print(result.document.export_to_markdown())

    Nota sulla versione: ogni frammento di codice di questa guida è stato verificato su Docling 2.140.0 (PyPI, rilasciata il 16 ottobre 2026) e sul repository docling-project/docling il 20 ottobre 2026. Docling pubblica nuove versioni a distanza di pochi giorni, quindi fissate la versione in produzione e ricontrollate i nomi delle opzioni a ogni aggiornamento.

    Dati principali

    • Ultima versione: Docling 2.140.0, pubblicata su PyPI il 16 ottobre 2026 (PyPI, consultato il 20 ott. 2026).
    • Python: 3.10 o successivo; il supporto per la 3.9 è stato rimosso nella 2.70.0 (README di Docling, consultato il 20 ott. 2026).
    • Licenza e sede: MIT, repository github.com/docling-project/docling, un progetto di LF AI & Data, circa 69.000 stelle su GitHub (GitHub, 20 ott. 2026).
    • Motori OCR: un selettore automatico (predefinito), RapidOCR (installato di default), EasyOCR, Tesseract (CLI o tesserocr), macOS Vision, Nemotron OCR e un motore remoto KServe (pipeline_options.py, 2.140.0).
    • Arabo: supportato tramite EasyOCR (`ar`), Tesseract (`ara`) e il riconoscitore per la scrittura araba di RapidOCR; le pagine miste in arabo e inglese hanno ancora issue aperte, per esempio #3462 e #3929 (GitHub, consultato il 20 ott. 2026).
    • Formati: tra gli altri PDF, DOCX, DOC, RTF, PPTX, XLSX, CSV, HTML, Markdown, AsciiDoc, LaTeX, EPUB, email (EML, MSG), ODF, immagini, audio e video (enum InputFormat, 2.140.0).

    Prova HAQQ AI gratis

    Sperimenta la redazione e ricerca legale con IA

    A cosa serve Docling?

    Docling si colloca all'inizio di una pipeline di retrieval o di analisi documentale. Legge un file, esegue il rilevamento del layout, la ricostruzione dell'ordine di lettura, il recupero della struttura delle tabelle e l'OCR dove la pagina non ha un livello di testo, e restituisce un unico oggetto `DoclingDocument`. Da quell'oggetto si esporta Markdown, HTML, testo semplice o JSON senza perdita di informazioni, oppure lo si passa a un chunker che prepara i frammenti per un modello di embedding.

    Ci interessa per il lavoro legale perché i contratti sono pieni delle strutture che un'estrazione ingenua del testo da PDF distrugge: clausole numerate, allegati, tabelle dei pagamenti, blocchi di firma e pagine che sono solo la scansione di un originale timbrato. Docling gira in locale, quindi i documenti dei clienti non devono mai uscire dalla vostra infrastruttura per essere analizzati.

    Quali formati di file supporta Docling?

    La versione 2.140.0 accetta PDF (con testo e scansionati), Word (.docx, .doc), RTF, PowerPoint (.pptx, .ppt), Excel (.xlsx, .xls), CSV, HTML e MHTML, Markdown, AsciiDoc, LaTeX, EPUB, file email (.eml, .msg), OpenDocument (.odt, .ods, .odp), Apple Pages, Numbers e Keynote, immagini (PNG, JPEG, TIFF e altre), WebVTT, e audio e video tramite riconoscimento vocale. `DocumentConverter` rileva il formato da solo, quindi basta passare un percorso o un URL.

    Docling esegue l'OCR?

    Sì. `PdfPipelineOptions.do_ocr` è `True` per impostazione predefinita, e l'opzione predefinita `OcrAutoOptions` sceglie un motore disponibile all'avvio. Di default l'OCR viene eseguito solo sulle aree prive di un livello di testo utilizzabile (`OcrMode.DEFAULT`, che attualmente corrisponde a `PDF_AWARE_LAYOUT_REGIONS`). Per un file interamente scansionato, impostate `mode=OcrMode.FULL_PAGE`. Il vecchio flag `force_full_page_ocr=True` funziona ancora ma è deprecato.

    MotoreClasse di opzioniInstallazioneCodice per l'arabo
    RapidOCRRapidOcrOptionsincluso in pip install doclingriconoscitore per la scrittura araba (una lingua per esecuzione)
    EasyOCREasyOcrOptionspip install "docling[easyocr]"ar (combinabile con en)
    Tesseract CLITesseractCliOcrOptionsTesseract di sistema più ara.traineddataara (combinato come ["ara", "eng"])
    Tesseract (tesserocr)TesseractOcrOptionspip install "docling[tesserocr]" più Tesseract di sistemaara
    macOS VisionOcrMacOptionspip install "docling[ocrmac]", solo macOSdipende dalla versione di macOS
    AutoOcrAutoOptionspredefinitoinoltra i tag iso: al motore scelto

    I codici lingua vengono passati al motore così come sono scritti (`ara` per Tesseract, `ar` per EasyOCR), oppure come tag BCP-47 dopo il prefisso `iso:`, per esempio `iso:ar`, che Docling converte nel codice corretto per il motore. Una lingua per cui il motore non ha un modello genera un errore invece di ripiegare silenziosamente su un'altra, ed è proprio ciò che serve in una pipeline legale.

    Come si esegue l'OCR di un contratto arabo scansionato con tabelle?

    Prendiamo un caso tipico: un contratto di locazione di Dubai scansionato, di 14 pagine, con il corpo del testo in arabo e i termini definiti in inglese, un piano dei canoni in forma di tabella a pagina 3 e una pagina delle firme timbrata. Non c'è un livello di testo, quindi ogni pagina passa per l'OCR, e la tabella dei canoni richiede TableFormer in modalità accurata. Qui usiamo Tesseract perché gestisce arabo e inglese sulla stessa pagina in un solo passaggio.

    python
    from docling.datamodel.base_models import InputFormat
    from docling.datamodel.pipeline_options import (
        OcrMode,
        PdfPipelineOptions,
        TableFormerMode,
        TableStructureOptions,
        TesseractCliOcrOptions,
    )
    from docling.document_converter import DocumentConverter, PdfFormatOption
    
    pipeline_options = PdfPipelineOptions()
    pipeline_options.do_ocr = True
    pipeline_options.ocr_options = TesseractCliOcrOptions(
        lang=["ara", "eng"],          # Arabic first, English defined terms second
        mode=OcrMode.FULL_PAGE,       # the scan has no text layer
    )
    pipeline_options.do_table_structure = True
    pipeline_options.table_structure_options = TableStructureOptions(
        mode=TableFormerMode.ACCURATE,
        do_cell_matching=False,       # let the model define cells on a scan
    )
    
    converter = DocumentConverter(
        format_options={InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)}
    )
    result = converter.convert("lease_dubai_scanned.pdf")
    doc = result.document
    
    # Tables come back as structured objects, not flattened text
    for table in doc.tables:
        df = table.export_to_dataframe(doc=doc)
        print(df.head())
    
    with open("lease.md", "w", encoding="utf-8") as f:
        f.write(doc.export_to_markdown())

    Installate prima Tesseract e i suoi dati per l'arabo (`apt install tesseract-ocr tesseract-ocr-ara` su Debian o Ubuntu, oppure il file `ara.traineddata` dal repository tessdata su altri sistemi). La stessa operazione da riga di comando:

    bash
    docling --ocr-engine tesseract --ocr-lang ara,eng --ocr-mode full_page --table-mode accurate lease_dubai_scanned.pdf

    Per usare invece EasyOCR, installate `docling[easyocr]` e sostituite le opzioni con `EasyOcrOptions(lang=["ar", "en"], mode=OcrMode.FULL_PAGE)`. EasyOCR usa una GPU quando è presente, il che aiuta con fascicoli lunghi.

    Cosa verificare nell'output di un contratto arabo

    • Ordine delle parole nelle righe miste. Quando un termine definito in inglese si trova dentro una frase araba, l'ordine dei segmenti di testo può risultare invertito. Il problema è tracciato nella issue #3462 (Mixed Arabic-English PDFs produce incorrect OCR/output text), ancora aperta al 20 ott. 2026.
    • Forme di presentazione nei PDF digitali. Alcuni PDF in arabo memorizzano i glifi come forme di presentazione Unicode, il che compromette la ricerca e gli embedding. Una correzione per la normalizzazione è proposta nella pull request #3929, ancora aperta; finché non viene integrata, applicate `unicodedata.normalize("NFKC", text)` al testo esportato.
    • Celle delle tabelle. Confrontate a occhio due o tre righe del piano dei canoni con la scansione. Gli importi in cifre arabo-orientali (٠١٢٣) vanno mantenuti come sono scritti e convertiti solo in un passaggio successivo e registrato.
    • Timbri e firme. Vengono rilevati come immagini. Non sono testo, quindi non aspettatevi il testo del timbro nel Markdown.

    Niente di tutto questo sostituisce la lettura dell'originale da parte di un avvocato. Serve a portare testo, numerazione delle clausole e tabelle in una forma su cui gli strumenti di revisione possono lavorare, e vi indica quali pagine richiedono un secondo controllo umano.

    Come si suddividono i documenti in chunk con HybridChunker?

    `HybridChunker` divide seguendo la struttura propria del documento (sezioni, clausole, righe di tabella) e poi adatta i frammenti a un budget di token. Nelle versioni attuali il budget di token risiede in un wrapper del tokenizer di `docling-core`, e siete voi a passare quel wrapper al chunker. I tutorial precedenti, compresa la prima versione di questa guida, passavano direttamente a `HybridChunker` un tokenizer `transformers` grezzo e `max_tokens`. Funziona ancora, ma ora genera un `DeprecationWarning`, quindi usate il wrapper.

    python
    from docling.chunking import HybridChunker
    from docling_core.transforms.chunker.tokenizer.huggingface import HuggingFaceTokenizer
    from transformers import AutoTokenizer
    
    EMBED_MODEL_ID = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
    
    tokenizer = HuggingFaceTokenizer(
        tokenizer=AutoTokenizer.from_pretrained(EMBED_MODEL_ID),
        max_tokens=512,      # match your embedding model's limit
    )
    chunker = HybridChunker(
        tokenizer=tokenizer,
        merge_peers=True,    # merge small neighbouring chunks under the same heading (default)
    )
    
    for chunk in chunker.chunk(dl_doc=doc):
        text_for_embedding = chunker.contextualize(chunk=chunk)  # prepends the heading path
        print(chunk.meta.headings, len(text_for_embedding))

    Calcolate gli embedding sull'output di `contextualize()`, non su `chunk.text`. Per un contratto, il metodo antepone a ogni chunk il percorso dei titoli, così un chunk che dice solo «the Tenant shall pay within 30 days» arriva al modello di embedding come parte di «Article 5, Rent and Payment». Per i contratti in arabo scegliete un modello di embedding multilingue; un modello solo inglese come all-MiniLM-L6-v2 tokenizza male l'arabo. Per i modelli in stile OpenAI, `docling_core.transforms.chunker.tokenizer.openai.OpenAITokenizer` incapsula allo stesso modo una codifica tiktoken.

    Da dove proviene ogni chunk?

    Ogni chunk porta con sé `chunk.meta`, con `headings` (il percorso della sezione), `doc_items` (i paragrafi o le celle di tabella di origine, ciascuno con numero di pagina e bounding box nel campo `prov`) e `origin` (nome e hash del file di origine). Conservateli. Una risposta legale che cita «pagina 3, piano dei canoni» è verificabile; una che cita «chunk 41» non lo è.

    python
    for chunk in chunker.chunk(dl_doc=doc):
        pages = sorted({prov.page_no for item in chunk.meta.doc_items for prov in item.prov})
        print({
            "source": chunk.meta.origin.filename,
            "headings": chunk.meta.headings,
            "pages": pages,
            "text": chunker.contextualize(chunk=chunk)[:80],
        })

    Come si elabora una cartella di contratti?

    Create il convertitore una sola volta e riutilizzatelo, perché il caricamento dei modelli è la parte lenta. `convert_all` accetta un iterabile di percorsi e, con `raises_on_error=False`, prosegue oltre un file danneggiato e ne riporta lo stato.

    python
    from pathlib import Path
    from docling.datamodel.base_models import ConversionStatus
    
    files = sorted(Path("contracts/").glob("*.pdf"))
    for res in converter.convert_all(files, raises_on_error=False):
        name = res.input.file.name
        if res.status == ConversionStatus.SUCCESS:
            Path("out", name).with_suffix(".md").write_text(
                res.document.export_to_markdown(), encoding="utf-8"
            )
        else:
            print(f"{name}: {res.status}")

    Per i fascicoli lunghi, impostate `pipeline_options.document_timeout` (la docstring di Docling suggerisce da 90 a 120 secondi) in modo che una scansione difettosa non blocchi un intero lotto, e disattivate le funzioni che non vi servono: `do_table_structure=False` per la corrispondenza, `do_ocr=False` per esportazioni Word nate digitali e convertite in PDF.

    Quali formati di esportazione supporta Docling?

    Da un `DoclingDocument` potete chiamare `export_to_markdown()`, `export_to_html()`, `export_to_text()` e `export_to_dict()` (JSON senza perdita di informazioni, che potete ricaricare in seguito senza rieseguire l'OCR). Salvate il JSON di tutto ciò che è passato per l'OCR: rieseguire l'OCR a pagina intera su un fascicolo di 200 pagine è il passaggio costoso, e il JSON conserva la provenienza di pagina e bounding box che il Markdown perde.

    Docling o Unstructured: quale usare?

    Entrambi sono open source ed entrambi girano in locale. I punti di forza di Docling sono l'analisi del layout, il recupero della struttura delle tabelle con TableFormer, un unico modello di documento tipizzato con provenienza a livello di pagina e un chunker che tiene conto della struttura. Unstructured (Apache 2.0, funzioni `partition()`) offre una gamma più ampia di connettori di origine e destinazione e una piattaforma commerciale in hosting. Per una pipeline di contratti in cui contano le tabelle e le citazioni alla pagina, partiamo da Docling; se il vostro problema è estrarre file da molti sistemi SaaS, i connettori di Unstructured potrebbero farvi risparmiare più tempo. Provate entrambi su dieci delle vostre scansioni peggiori prima di decidere, perché sulle scansioni in arabo i risultati variano più da file a file che da libreria a libreria.

    Che legame ha con la revisione legale basata sull'IA?

    Il parsing è il primo passaggio, ed è quello che determina quanto potrà essere buono tutto ciò che viene dopo. Una clausola che il parser ha spezzato a metà non può essere esaminata come clausola, e una tabella appiattita in una riga di numeri non può essere controllata riga per riga. HAQQ acquisisce i file dei clienti in workspace privati con gli stessi obiettivi (struttura, tabelle e citazioni di pagina mantenute intatte) prima che la revisione dei contratti venga eseguita su di essi, con hosting nell'UE, negli Stati Uniti o in Medio Oriente, oppure sulla vostra infrastruttura.

    Cosa fare adesso

    • Fissate `docling==2.140.0` (o la versione che state testando) e annotatela accanto ai vostri output.
    • Scegliete tre file rappresentativi: un contratto nato digitale, uno arabo scansionato e uno con una tabella fitta. Convertite ciascuno e confrontate il Markdown con l'originale.
    • Scegliete il motore OCR per tipo di documento, non a livello globale. Tesseract con `["ara", "eng"]` è un'impostazione predefinita solida per i contratti misti dell'area MENA.
    • Suddividete in chunk con un tokenizer adatto al vostro modello di embedding e conservate `chunk.meta` per le citazioni.

    Fonti

    • Docling su PyPI (cronologia delle versioni)
    • docling-project/docling su GitHub
    • Release di Docling
    • Documentazione di Docling
    • Esempio di OCR a pagina intera con Docling
    • Esempio di chunking ibrido con Docling
    • Issue #3462: PDF misti arabo-inglese
    • Pull request #3929: normalizzazione delle forme di presentazione arabe
    • Dati linguistici di Tesseract (tessdata)

    Letture correlate

    • il context engineering per un'IA legale affidabile
    • la revisione tabellare dei documenti con l'IA legale
    • la guida di legal engineering ai flussi di lavoro basati sull'IA

    Scritto da

    Jad Jabbour
    Jad Jabbour

    Responsabile Tecnologia e IA

    Jad guida la tecnologia e l'IA in HAQQ. Scrive dell'ingegneria della piattaforma, come l'elaborazione dei documenti.

    Tutti gli articoli di questo autoreLinkedIn

    Risorse correlate

    What happens before a legal AI answers your questionTabular document review for legal AIContext engineering for reliable legal AIAI legal translation, Arabic to English

    Articoli correlati

    Traduzione legale AI dall'arabo all'inglese: guida pratica
    Guida

    Traduzione legale AI dall'arabo all'inglese

    Traduzione legale AI dall'arabo all'inglese: guida pratica

    IA legale in arabo: il gap è il retrieval, non i contenuti
    MENA

    IA legale in arabo

    IA legale in arabo: il gap è il retrieval, non i contenuti

    Smetti di scrivere [CLIENTE]: come anonimizzare un documento prima di darlo a un'IA
    Guida

    Smetti di scrivere [CLIENTE]

    Smetti di scrivere [CLIENTE]: come anonimizzare un documento prima di darlo a un'IA

    Domande frequenti

    Che cos'è Docling in Python?

    Docling è una libreria Python open source con licenza MIT, nata in IBM Research e oggi ospitata da LF AI & Data, che converte PDF, Word, PowerPoint, Excel, HTML, scansioni e altri formati in Markdown, HTML o JSON senza perdita di informazioni per pipeline di IA e RAG. La versione attuale al 20 ottobre 2026 è la 2.140.0.

    Come si installa Docling?

    Esegua 'pip install docling' su Python 3.10 o successivo. L'installazione predefinita include RapidOCR. Per EasyOCR usi 'pip install "docling[easyocr]"'; per Tesseract installi il pacchetto di sistema e i relativi dati linguistici (per l'arabo, ara.traineddata), più 'docling[tesserocr]' se vuole il binding Python invece della CLI.

    Docling fa l'OCR?

    Sì. L'OCR è attivo per impostazione predefinita (PdfPipelineOptions.do_ocr è True) e viene eseguito sulle aree prive di livello di testo. I motori supportati sono RapidOCR, EasyOCR, Tesseract (CLI o tesserocr), macOS Vision e Nemotron OCR, scelti automaticamente salvo che si imposti ocr_options. Per un file interamente scansionato imposti mode=OcrMode.FULL_PAGE; il vecchio flag force_full_page_ocr è deprecato.

    Docling può leggere documenti arabi scansionati?

    Sì, con Tesseract (lang ["ara", "eng"]), EasyOCR (lang ["ar", "en"]) o il riconoscitore per la scrittura araba di RapidOCR. Controlli a mano le righe miste in arabo e inglese: i problemi di ordine delle parole nelle righe miste sono seguiti nella issue #3462 di Docling, e una correzione per le forme di presentazione arabe (pull request #3929) era ancora aperta il 20 ottobre 2026.

    Docling o Unstructured: quale è migliore?

    Entrambi sono open source e funzionano in locale. Docling è più forte su layout, struttura delle tabelle (TableFormer), provenienza a livello di pagina e suddivisione in blocchi consapevole della struttura, il che si adatta ai contratti. Unstructured ha più connettori di origine e destinazione e una piattaforma in hosting. Li provi entrambi sulle Sue scansioni più difficili prima di scegliere.

    Come si imposta la dimensione dei blocchi nell'HybridChunker di Docling?

    Racchiuda il tokenizer del Suo modello di embedding in HuggingFaceTokenizer (o OpenAITokenizer) di docling_core impostando max_tokens, poi lo passi come HybridChunker(tokenizer=...). Passare max_tokens direttamente a HybridChunker funziona ancora ma genera un DeprecationWarning. Calcoli l'embedding di chunker.contextualize(chunk) così che ogni blocco porti con sé il percorso dei titoli.

    Cosa c'è dopo?

    Prova HAQQ AI gratis

    Sperimenta la redazione e ricerca legale con IA

    Calcola il tuo ROI

    Scopri quanto tempo e denaro HAQQ risparmia al tuo studio

    Esplora 600+ prompt legali

    Prompt pronti per ogni compito legale

    Torna al Blog

    Articolo precedente

    Recensione Legora 2026: prezzi, alternative e Legora vs HAQQ

    Articolo successivo

    Legal tech in Medio Oriente: la guida sul campo 2026

    In questa pagina

    8 min di lettura

    1. 01Dati principali
    2. 02A cosa serve Docling?
    3. 03Quali formati di file supporta Docling?
    4. 04Docling esegue l'OCR?
    5. 05Come si esegue l'OCR di un contratto arabo scansionato con tabelle?
    6. Cosa verificare nell'output di un contratto arabo
    7. 06Come si suddividono i documenti in chunk con HybridChunker?
    8. 07Da dove proviene ogni chunk?
    9. 08Come si elabora una cartella di contratti?
    10. 09Quali formati di esportazione supporta Docling?
    11. 10Docling o Unstructured: quale usare?
    12. 11Che legame ha con la revisione legale basata sull'IA?
    13. 12Cosa fare adesso
    14. 13Fonti
    15. 14Letture correlate

    Condividi questo articolo

    Mettilo in pratica

    Fai a HAQQ la domanda che questo articolo ti ha lasciato.

    HAQQ across all devices
    HAQQ Legal AI Platform Logo

    Il tuo Gemello AI Legale e Sistema di Gestione Studio per redigere, fatturare e vincere.

    Scaricalo suApp StoreDisponibile suGoogle Play

    Documentazioni

    • Docs si apre in una nuova scheda
    • Per iniziare si apre in una nuova scheda
    • Sala stampa si apre in una nuova scheda
    • Aggiornamenti del prodotto si apre in una nuova scheda
    • Stato si apre in una nuova scheda
    • Affidabilità si apre in una nuova scheda
    • Sicurezza
    • FAQ si apre in una nuova scheda
    • Comunità si apre in una nuova scheda
    • Assistenza si apre in una nuova scheda

    Academy

    • Partner si apre in una nuova scheda
    • Corso si apre in una nuova scheda
    • Prompt si apre in una nuova scheda
    • Labs si apre in una nuova scheda

    Sito web

    • eFirm
    • Chat IA Legale
    • App Mobile
    • Motore Justinian
    • HAQQ eBar
    • HAQQ eWallet
    • Prezzi
    • Confrontaci
    • Soluzioni
    • Blog
    • Conosci il team
    • Unisciti a noi si apre in una nuova scheda
    Apri l'app
    • Lingueenarfresitdeptrohics
    • Contattoinfo@haqq.ai
    • Statooperativo·fondato
    • Termini di Servizio
    • Informativa sulla privacy
    • Informativa sui cookie
    • Trattamento Dati
    • Persone si apre in una nuova scheda
    • Avvocati si apre in una nuova scheda
    • Sicurezza si apre in una nuova scheda
    © 2026 HAQQ Inc. Tutti i diritti riservati.Prodotto sviluppato internamente da HAQQ. Sito web costruito con strumenti web moderni.
    PDF
    DOCX
    HTML
    PPTX

    Markdown

    Clean, structured text

    📄

    PDF

    Including OCR

    📝

    Word

    .docx files

    📊

    PowerPoint

    .pptx slides

    🌐

    HTML

    Web pages

    📃

    Markdown

    .md files

    🖼️

    Images

    OCR support

    ❌ Arbitrary Split

    Context lost between chunks

    ✓ HybridChunker

    Section 1128 tokens
    Section 2256 tokens
    Section 3192 tokens
    Section 4384 tokens

    Preserves semantic meaning

    Extracting...

    Extracted Metadata

    title:Legal Agreement 2024
    author:John Smith
    pages:12
    created:2024-01-15
    Input Folder
    contract.pdf
    memo.docx
    brief.pdf
    report.html

    4

    Files Processed

    ~2.3 seconds

    📝

    Markdown

    📄

    Plain Text

    { }

    JSON

    Export to the format that fits your workflow

    Document
    Docling
    Chunks
    AI Ready

    From raw document to AI-ready embeddings in seconds