企业官网建设流程全解析

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：

1. 克隆仓库并进入kotaemon目录；
2. 用 uv（推荐）或 conda 完成基础环境，要求 Python >= 3.10：

uv sync --python 3.10 source .venv/bin/activate

3. 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docling<=2.5.2，见 pyproject.toml 中的[project.optional-dependencies] docling = ["docling<=2.5.2"]。

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_ENDPOINT：

KH_VLM_ENDPOINT=http://your-vlm-endpoint

http://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.py：

docling_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_ENDPOINT，Docling 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.py）：

• max_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：

1. 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）；
2. 进入Settings → Retrieval Settings → File loader；
3. 在下拉框中选择Docling (figure+table extraction)；
4. 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 (figure+table 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_origin，caption 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