kotaemon 如何安装 Docling 并启用表格与图表提取【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon当你的文档里有大量表格和插图而 kotaemon 默认的 PDF 解析方式无法把它们结构化成可问答的内容时可以启用 kotaemon 内置的 Docling 读取器reader。它基于开源的 Docling 在本地做结构感知解析支持文本、表格和图表figure三类内容。完成后你在上传文档索引时kotaemon 会用 Docling 解析文件并把提取出的文本、Markdown 表格和图表分别转成Document对象进入索引。下面给出安装和启用的完整操作路径。准备条件Docling 是 kotaemon 核心库的一个可选依赖extra不是默认安装的需要在你自己的 Python 环境里单独安装适用于源码方式运行的部署。先按 README.md 中的 “Without Docker” 部分搭好环境克隆仓库并进入kotaemon目录用 uv推荐或 conda 完成基础环境要求 Python 3.10uv sync --python 3.10 source .venv/bin/activate在项目根目录创建.env文件可用.env.example作为模板。安装 Docling 读取器在仓库根目录执行uv pip install -e libs/kotaemon[docling]这条命令以可编辑方式重新安装libs/kotaemon并带上docling这个可选依赖。安装的内容是docling2.5.2见 pyproject.toml 中的[project.optional-dependencies] docling [docling2.5.2]。对应实现位于 docling_loader.py 的DoclingReader。它声明了_dependencies [docling]如果依赖缺失实例化转换时会抛出明确的错误ImportError: Please install docling: pip install docling。所以如果索引时报这个错说明上一步的安装没有成功。可选配置 VLM 端点生成图表说明文字Docling 在本地就能提取文本、表格和图表元数据但“为图表生成说明文字figure caption”需要额外的视觉语言模型VLM端点。如果你希望图表带上生成的 caption在项目根目录的.env或应用设置中配置KH_VLM_ENDPOINTKH_VLM_ENDPOINThttp://your-vlm-endpointhttp://your-vlm-endpoint是文档中的示例值需要替换为你自己的 VLM 服务地址。KH_VLM_ENDPOINT会在启动时注入到 Docling 读取器的vlm_endpoint参数中见 files.pydocling_reader DoclingReader() adobe_reader.vlm_endpoint ( azure_reader.vlm_endpoint ) docling_reader.vlm_endpoint getattr(flowsettings, KH_VLM_ENDPOINT, )如果不设置KH_VLM_ENDPOINTDocling 仍会提取文本、表格和图表元数据只是跳过生成的图表说明文字。也就是说启用表格提取不依赖 VLM 端点VLM 端点只影响图表 caption。另外两个与图表处理相关的参数见 docling_loader.pymax_figure_to_caption默认 100表示最多为多少张图表生成说明文字超出部分按“无 caption”入库figure_friendly_filetypes默认[.pdf, .jpeg, .jpg, .png, .bmp, .tiff, .heif, .tif]只有这些文件类型的图表才做视觉裁剪和 caption 生成.docx、.html等文件因不同工具下的版面可能不一致不做图表提取。在应用中启用 Docling 文件加载器安装完成后在 UI 里把文件加载器切换为 Docling运行 kotaemon 并打开应用 UI源码方式下执行python app.py默认用户名和密码均为admin进入Settings → Retrieval Settings → File loader在下拉框中选择Docling (figuretable extraction)保存设置然后上传或索引文档。索引阶段 kotaemon 会调用 Docling 解析文件并把提取内容转成Document对象。这个下拉选项由 pipelines.py 中的reader_mode配置提供其中(Docling (figuretable extraction), docling)对应 Docling。选择后.pdf文件的解析器会被替换为 Docling 读取器elif self.reader_mode docling: readers[.pdf] docling_reader也就是说在 Docling 模式下PDF 走 Docling 解析其余文件类型仍按默认提取器处理。解析结果包含什么DoclingReader的load_data方法docling_loader.py把一次解析结果组织成三类Document文本按页归并的纯文本元数据带page_label、file_name、file_path表格Docling 的表格网格被转成 Markdown 表格并拼上文档中抽取到的表格标题extractive caption元数据中type: table、table_origin保存 Markdown 原文图表按页面上记录的坐标从原文件中裁剪出图片转成 base64 存入image_origincaption 由文档内抽取的说明文字和若配置了 VLM生成的说明文字拼接而成元数据中type: image。索引完成后这些内容作为普通文档参与问答可以在聊天中针对表格和图表提问并看到对应的引用。限制与注意KH_VLM_ENDPOINT未设置时只影响图表的生成式 caption不影响文本、表格和图表元数据提取图表提取只对figure_friendly_filetypes列出的文件类型生效.pdf、常见图片格式等.docx、.html等不参与图表提取超出max_figure_to_caption默认 100的图表不再生成 caption但内容仍会入库Docling 读取器在 Docling 模式下仅接管.pdf的解析其他扩展名仍走默认提取器。更多多模态解析的替代方案Adobe、Azure AI Document Intelligence、PaddleOCR及加载器选择入口见 README.md 的 “Setup multimodal document parsing” 小节和 integrations/docling.md。【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 kotaemon 如何安装 Docling 并启用表格与图表提取？
kotaemon 如何安装 Docling 并启用表格与图表提取【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon当你的文档里有大量表格和插图而 kotaemon 默认的 PDF 解析方式无法把它们结构化成可问答的内容时可以启用 kotaemon 内置的 Docling 读取器reader。它基于开源的 Docling 在本地做结构感知解析支持文本、表格和图表figure三类内容。完成后你在上传文档索引时kotaemon 会用 Docling 解析文件并把提取出的文本、Markdown 表格和图表分别转成Document对象进入索引。下面给出安装和启用的完整操作路径。准备条件Docling 是 kotaemon 核心库的一个可选依赖extra不是默认安装的需要在你自己的 Python 环境里单独安装适用于源码方式运行的部署。先按 README.md 中的 “Without Docker” 部分搭好环境克隆仓库并进入kotaemon目录用 uv推荐或 conda 完成基础环境要求 Python 3.10uv sync --python 3.10 source .venv/bin/activate在项目根目录创建.env文件可用.env.example作为模板。安装 Docling 读取器在仓库根目录执行uv pip install -e libs/kotaemon[docling]这条命令以可编辑方式重新安装libs/kotaemon并带上docling这个可选依赖。安装的内容是docling2.5.2见 pyproject.toml 中的[project.optional-dependencies] docling [docling2.5.2]。对应实现位于 docling_loader.py 的DoclingReader。它声明了_dependencies [docling]如果依赖缺失实例化转换时会抛出明确的错误ImportError: Please install docling: pip install docling。所以如果索引时报这个错说明上一步的安装没有成功。可选配置 VLM 端点生成图表说明文字Docling 在本地就能提取文本、表格和图表元数据但“为图表生成说明文字figure caption”需要额外的视觉语言模型VLM端点。如果你希望图表带上生成的 caption在项目根目录的.env或应用设置中配置KH_VLM_ENDPOINTKH_VLM_ENDPOINThttp://your-vlm-endpointhttp://your-vlm-endpoint是文档中的示例值需要替换为你自己的 VLM 服务地址。KH_VLM_ENDPOINT会在启动时注入到 Docling 读取器的vlm_endpoint参数中见 files.pydocling_reader DoclingReader() adobe_reader.vlm_endpoint ( azure_reader.vlm_endpoint ) docling_reader.vlm_endpoint getattr(flowsettings, KH_VLM_ENDPOINT, )如果不设置KH_VLM_ENDPOINTDocling 仍会提取文本、表格和图表元数据只是跳过生成的图表说明文字。也就是说启用表格提取不依赖 VLM 端点VLM 端点只影响图表 caption。另外两个与图表处理相关的参数见 docling_loader.pymax_figure_to_caption默认 100表示最多为多少张图表生成说明文字超出部分按“无 caption”入库figure_friendly_filetypes默认[.pdf, .jpeg, .jpg, .png, .bmp, .tiff, .heif, .tif]只有这些文件类型的图表才做视觉裁剪和 caption 生成.docx、.html等文件因不同工具下的版面可能不一致不做图表提取。在应用中启用 Docling 文件加载器安装完成后在 UI 里把文件加载器切换为 Docling运行 kotaemon 并打开应用 UI源码方式下执行python app.py默认用户名和密码均为admin进入Settings → Retrieval Settings → File loader在下拉框中选择Docling (figuretable extraction)保存设置然后上传或索引文档。索引阶段 kotaemon 会调用 Docling 解析文件并把提取内容转成Document对象。这个下拉选项由 pipelines.py 中的reader_mode配置提供其中(Docling (figuretable extraction), docling)对应 Docling。选择后.pdf文件的解析器会被替换为 Docling 读取器elif self.reader_mode docling: readers[.pdf] docling_reader也就是说在 Docling 模式下PDF 走 Docling 解析其余文件类型仍按默认提取器处理。解析结果包含什么DoclingReader的load_data方法docling_loader.py把一次解析结果组织成三类Document文本按页归并的纯文本元数据带page_label、file_name、file_path表格Docling 的表格网格被转成 Markdown 表格并拼上文档中抽取到的表格标题extractive caption元数据中type: table、table_origin保存 Markdown 原文图表按页面上记录的坐标从原文件中裁剪出图片转成 base64 存入image_origincaption 由文档内抽取的说明文字和若配置了 VLM生成的说明文字拼接而成元数据中type: image。索引完成后这些内容作为普通文档参与问答可以在聊天中针对表格和图表提问并看到对应的引用。限制与注意KH_VLM_ENDPOINT未设置时只影响图表的生成式 caption不影响文本、表格和图表元数据提取图表提取只对figure_friendly_filetypes列出的文件类型生效.pdf、常见图片格式等.docx、.html等不参与图表提取超出max_figure_to_caption默认 100的图表不再生成 caption但内容仍会入库Docling 读取器在 Docling 模式下仅接管.pdf的解析其他扩展名仍走默认提取器。更多多模态解析的替代方案Adobe、Azure AI Document Intelligence、PaddleOCR及加载器选择入口见 README.md 的 “Setup multimodal document parsing” 小节和 integrations/docling.md。【免费下载链接】kotaemonAn open-source RAG-based tool for chatting with your documents.项目地址: https://gitcode.com/GitHub_Trending/kot/kotaemon创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考