纯 Go 文档解析库 docling 完全开源！PDF、

做知识库最烦的就是资料格式五花八门。说明书、报表、培训电子书，工程里还有 CAD 图纸和三维模型。

联犀开源的纯 Go 文档解析库 docling 把这堆入口全接上了。这次又补上四种老熟人：旧版 Office 的 DOC 和 XLS，电子书 EPUB，还有帮助手册 CHM。

现在它一口气能读十几种格式。PDF、Office、图片、网页邮件全包圆了，连 CAD 图纸和三维模型都能啃下来。这些内容最后都汇进同一个文档模型，业务侧直接按同一套结构往下处理就行。

解析出来的东西也挺实在。能导出 Markdown、HTML 和 JSON，还能把文档展平，方便你筛选和建索引。比如 Excel 里的原生图表，数值能直接带出来变成表格；CAD 图纸能按图框拆页，知道文字属于哪幅图。

不过它也有边界。扫描件得另配 OCR，复杂排版的阅读顺序要自己核对。XLS 公式只读取缓存不重新计算，GLB 模型也不渲染几何体。说白了，它是帮你把资料喂给 AI，但工程核对还得结合原图。

想试的话，装好联犀 CLI 敲行命令就能跑。Go 开发者也能直接引入库，源码和测试样本都在 GitHub 上放着。