PDF 处理

功能概述

PDF 处理模块提供 PDF 文档的解析、搜索、分块和智能分析能力。支持将 PDF 内容纳入知识库，实现文档级别的智能问答。

核心功能

PDF 上传与解析

1. 进入 PDF 模块，点击上传 PDF
2. 支持格式：PDF（文字版和扫描版）
3. 系统自动提取文本、表格和图片内容

文本提取

从 PDF 中提取纯文本内容：

• 保留段落结构
• 识别表格数据
• 提取页眉页脚
• 保留页码信息

全文搜索

对已上传的 PDF 进行全文检索：

1. 输入搜索关键词
2. 系统在所有 PDF 中搜索
3. 返回匹配的文档和片段
4. 高亮显示匹配内容

文档分块

PDF 内容自动分块，便于 AI 检索：

• 按语义段落分块
• 保持上下文连贯
• 支持自定义分块大小
• 每个块包含来源页码

与知识库集成

PDF 处理后的内容可以直接加入知识库：

1. 选择已处理的 PDF
2. 点击加入知识库
3. 选择目标知识库
4. 系统自动向量化并存储

OCR 扫描件识别

对扫描版 PDF 进行 OCR 文字识别：

1. 上传扫描版 PDF
2. 系统自动检测并执行 OCR
3. 识别结果可搜索和检索

常见问题

扫描版 PDF 能处理吗？

可以。系统内置 OCR 引擎，能识别扫描版 PDF 中的文字。识别准确率取决于扫描质量。

PDF 有密码保护怎么办？

加密 PDF 需要先解除密码保护才能上传处理。

处理速度如何？

取决于 PDF 页数和复杂度。一般 100 页 PDF 约需 1-2 分钟完成解析。