用途:调用本地 Docling Gradio 服务完成文档转换,避免零散解析。默认假定服务位于 http://localhost:5001。
主要能力:支持本地文件与网页 URL 两类输入,互不混用,同一请求不能同时提交文件和 URL;输出默认 Markdown,可按需附加 json、html、text、doctags;支持 OCR、图片导出与代码、公式、图片分类等增强开关;支持通配符批量转换、归档下载与解压、输出目录规划。
使用方式:先安装客户端 pip install gradio_client;如需处理 URL 占位图修复且缺少 beautifulsoup4,则安装 pip install beautifulsoup4 lxml。使用封装脚本 scripts/docling_gradio_convert.py,例如单文件 python scripts/docling_gradio_convert.py report.pdf;批量加 Markdown 与 JSON:python scripts/docling_gradio_convert.py "*.pdf" --to-format md --to-format json;单 URL:python scripts/docling_gradio_convert.py https://example.com/article --output-dir ./article;URL 附边车文件:--save-source-html --save-manifest;更换服务地址:--service-url http://localhost:5001。可用 --dry-run 先校验分组、端点与目标路径。
输出约定:单文件默认解压到同名目录;单 URL 解压到 docling-<slug>;多输入解压到 docling-files-batch 或 docling-urls-batch;指定 --output-dir 且同时有文件与 URL 时,脚本创建 files/ 与 urls/ 子目录。URL Markdown 会规范化 front matter 并补标题;受管键包括 url、title、description、author、published、cover_image、language、captured_at、converter、pipeline、ocr、ocr_lang,其余已有键保留。多 URL 批处理会跳过边车文件。
默认处理:pipeline=standard、ocr=true、force_ocr=false、pdf_backend=dlparse_v4、table_mode=accurate、image_export_mode=embedded,除非任务另有要求。
限制:依赖本地已部署且可达的 Docling 服务;缺少 gradio_client 视为环境问题而非改写流程;URL 中形如 <!-- 🖼️❌ Image not available ... --> 的占位图由封装脚本抓取源页并回填。其他未提供细节暂未提供。