Docling Converter

Slash Command Usage

/docling-converter <ファイルパス> [オプション]

Examples

# 基本（Markdownに変換）
/docling-converter document.pdf

# JSON形式で出力
/docling-converter document.pdf --to json

# 日本語OCR付き
/docling-converter scanned.pdf --ocr-lang ja

# 出力先指定
/docling-converter document.pdf --output ./converted/

# 複合オプション
/docling-converter report.pdf --to json --ocr-lang ja --output ./output/

Workflow

1. 入力確認: ユーザーからファイルパスとオプションを受け取る
2. 引数解析: ファイルパスとオプション（--to, --ocr-lang, --output等）を解析
3. デフォルト設定: --to が未指定の場合は md（Markdown）を使用
4. docling実行: 解析した引数でコマンドを実行

   docling $ARGUMENTS
   

5. 結果報告: 変換完了後、出力ファイルのパスをユーザーに報告

Output

このスキルは ファイル生成型 です。docling CLIを実行し、変換されたファイル（Markdown、JSON、YAML、HTML、テキスト等）を指定ディレクトリに出力します。

• デフォルト出力: 入力ファイルと同じディレクトリに .md ファイルを生成
• カスタム出力: --output オプションで出力先を指定可能
• 複数形式: --to を複数指定して複数形式を同時生成可能

Overview

doclingは、あらゆるドキュメント形式をMarkdown、JSON、YAML等に変換するための強力なCLIツールです。PDFのテキスト抽出、スキャンドキュメントのOCR、テーブル構造の認識、音声/動画の文字起こしなど、多様なドキュメント処理に対応しています。

When to Use This Skill

このスキルを使用するタイミング：

• PDFをMarkdownやJSONに変換したい
• スキャンされたPDFからテキストを抽出したい（OCR）
• Word、PowerPoint、Excelドキュメントを変換したい
• 画像からテキストを抽出したい
• 複数のドキュメントを一括変換したい
• URLからドキュメントを取得して変換したい
• 会議の音声/動画を文字起こししたい

Example triggers:

• "このPDFをMarkdownに変換して"
• "PDFからテキストを抽出して"
• "このスキャンしたドキュメントをOCRで読み取って"
• "WordファイルをJSONに変換して"
• "このフォルダ内のPDFを全部Markdownに変換して"

Prerequisites

Installation Check

# doclingがインストールされているか確認
docling --version

# インストールされていない場合
python3.12 -m pip install --user --break-system-packages docling

# PATHに追加（.zshrcに追記）
echo 'export PATH="$HOME/Library/Python/3.12/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

Quick Start

Basic Conversion

# PDF → Markdown（デフォルト）
docling document.pdf

# 出力先を指定
docling document.pdf --output ./output/

# 出力形式を指定
docling document.pdf --to json
docling document.pdf --to yaml
docling document.pdf --to html
docling document.pdf --to text

Supported Formats

Input Formats (--from)

Format	Extension	Description
pdf	.pdf	PDFドキュメント
docx	.docx	Microsoft Word
pptx	.pptx	Microsoft PowerPoint
xlsx	.xlsx	Microsoft Excel
html	.html	Webページ
image	.png, .jpg, .tiff	画像ファイル
md	.md	Markdown
csv	.csv	CSVファイル
asciidoc	.adoc	AsciiDoc
audio	.mp3, .wav, .m4a	音声ファイル
vtt	.vtt	WebVTT字幕

Output Formats (--to)

Format	Description
md	Markdown（デフォルト）
json	JSON形式（構造化データ）
yaml	YAML形式
html	HTMLページ
html_split_page	ページ分割HTML
text	プレーンテキスト
doctags	ドキュメントタグ形式

Core Commands

1. Basic Conversion

# PDF → Markdown
docling document.pdf

# 特定の出力形式
docling document.pdf --to json --output ./output/

# 複数の出力形式を同時に生成
docling document.pdf --to md --to json --output ./output/

2. OCR Processing

# OCR有効（デフォルト）
docling scanned.pdf

# OCR無効化
docling document.pdf --no-ocr

# 強制OCR（既存テキストを上書き）
docling document.pdf --force-ocr

# OCRエンジンを指定
docling document.pdf --ocr-engine ocrmac    # macOS最適化
docling document.pdf --ocr-engine rapidocr  # 高速
docling document.pdf --ocr-engine tesseract # 多言語対応

# OCR言語を指定
docling document.pdf --ocr-lang ja          # 日本語
docling document.pdf --ocr-lang en,ja       # 英語+日本語

3. Table Extraction

# テーブル抽出（デフォルト有効）
docling table-document.pdf

# テーブル抽出無効化
docling document.pdf --no-tables

# テーブルモード（精度優先）
docling document.pdf --table-mode accurate

# テーブルモード（速度優先）
docling document.pdf --table-mode fast

4. Batch Conversion

# ディレクトリ内の全ドキュメントを変換
docling ./documents/ --output ./converted/

# 特定形式のみ変換
docling ./documents/ --from pdf --output ./converted/

5. URL Conversion

# URLからドキュメントを取得して変換
docling https://example.com/document.pdf

# カスタムヘッダー付き
docling https://example.com/document.pdf --headers '{"Authorization": "Bearer token"}'

6. Password-Protected PDF

docling protected.pdf --pdf-password "secret123"

7. Audio/Video Transcription

# 音声/動画の文字起こし
docling meeting.mp4 --pipeline asr

# Whisperモデルを指定
docling meeting.mp4 --pipeline asr --asr-model whisper_medium

# macOS最適化（MLXバックエンド）
docling meeting.mp4 --pipeline asr --asr-model whisper_medium_mlx

Advanced Options

Pipeline Selection

Pipeline	Use Case
standard	通常のドキュメント変換（デフォルト）
vlm	画像認識モデルによる高精度変換
asr	音声/動画の文字起こし
legacy	旧バージョン互換

# VLMパイプライン（画像が多いドキュメント）
docling image-heavy.pdf --pipeline vlm

# ASRパイプライン（音声/動画）
docling meeting.mp4 --pipeline asr

Image Export Mode

# 画像を埋め込み（デフォルト）
docling document.pdf --image-export-mode embedded

# 画像を別ファイルとして参照
docling document.pdf --image-export-mode referenced

# 画像位置のみマーク（プレースホルダー）
docling document.pdf --image-export-mode placeholder

Performance Options

# スレッド数を指定
docling document.pdf --num-threads 8

# デバイスを指定
docling document.pdf --device auto  # 自動選択
docling document.pdf --device cpu   # CPU使用
docling document.pdf --device mps   # Apple Silicon GPU

# タイムアウト設定（秒）
docling large-document.pdf --document-timeout 300

# ページバッチサイズ
docling document.pdf --page-batch-size 8

Debug Options

# 詳細ログ
docling document.pdf -v      # info
docling document.pdf -vv     # debug

# レイアウト可視化
docling document.pdf --show-layout

# デバッグ出力
docling document.pdf --debug-visualize-cells
docling document.pdf --debug-visualize-ocr
docling document.pdf --debug-visualize-layout
docling document.pdf --debug-visualize-tables

Common Patterns

Pattern 1: PDF to Markdown with Japanese OCR

docling japanese-document.pdf \
  --ocr-engine ocrmac \
  --ocr-lang ja \
  --output ./output/

Pattern 2: Batch Convert All PDFs to JSON

docling ./pdfs/ \
  --from pdf \
  --to json \
  --output ./converted/ \
  --num-threads 4

Pattern 3: High-Quality Table Extraction

docling financial-report.pdf \
  --table-mode accurate \
  --to json \
  --output ./output/

Pattern 4: Meeting Recording Transcription

docling meeting-recording.mp4 \
  --pipeline asr \
  --asr-model whisper_medium_mlx \
  --output ./transcripts/

Pattern 5: Scanned Document OCR

docling scanned-contract.pdf \
  --force-ocr \
  --ocr-engine ocrmac \
  --ocr-lang en,ja \
  --output ./extracted/

Pattern 6: URL Document Conversion

docling https://arxiv.org/pdf/xxxx.xxxxx.pdf \
  --to md \
  --output ./papers/

Troubleshooting

Issue: OCR not working

Solution:

# OCRエンジンを確認
docling --help | grep ocr-engine

# macOSの場合、ocrmacが最適
docling document.pdf --ocr-engine ocrmac

Issue: Table extraction inaccurate

Solution:

# 精度優先モードを使用
docling document.pdf --table-mode accurate

# VLMパイプラインを試す
docling document.pdf --pipeline vlm

Issue: Processing timeout

Solution:

# タイムアウトを延長
docling large-document.pdf --document-timeout 600

# ページバッチサイズを小さく
docling document.pdf --page-batch-size 2

Issue: Out of memory

Solution:

# CPUを使用
docling document.pdf --device cpu

# スレッド数を減らす
docling document.pdf --num-threads 2

Issue: Japanese text garbled

Solution:

# 日本語OCRを明示的に指定
docling document.pdf --ocr-lang ja --force-ocr

Resources

Official Documentation

• Docling GitHub
• Docling Documentation

References

詳細なオプションリファレンスは references/docling_options.md を参照してください。

Tips

1. macOSユーザー: --ocr-engine ocrmac で最高のOCR性能を得られます
2. 大量ドキュメント: --num-threads でCPUコア数に応じて並列処理
3. メモリ節約: --device cpu と --page-batch-size 2 を組み合わせ
4. 日本語ドキュメント: --ocr-lang ja を必ず指定
5. 構造化データ: テーブルが多いドキュメントは --to json が便利
6. 会議録: --pipeline asr --asr-model whisper_medium_mlx がmacOSで高速