文章摘要PDF表格进入RAG后，最常见的问题是表头与数据行分离、跨页表格断裂、合并单元格丢失，以及数字脱离业务含义。把表格简单转成纯文本再按Token切分，会让“100”“20%”“A产品”等字段失去对应关系。本文介绍表格检测、Markdown与JSON双表示、表头继承、按行分块、跨页合并、结构化字段检索和质量校验，帮助RAG正确回答参数、价格、库存和统计类问题。一、为什么表格比普通文本更难处理普通段落的语义主要来自阅读顺序。表格语义来自：行 ＋列 ＋表头 ＋单元格位置 ＋合并关系 ＋单位 ＋标题例如：产品库存本月销量增长率A产品1002010%B产品20030-5%如果解析成：产品 库存 本月销量 增长率 A产品 100 20 10% B产品 200 30 -5%Embedding可能知道内容与库存有关，但模型不一定能准确判断：100属于哪个产品；20是销量还是库存；-5%对应哪一行；单位是否为箱、件或万元。二、第一步：保留表格的双重表示推荐同时保存：1. 面向大模型的Markdown表名：2026年7月渠道库存统计 单位：箱 | 产品 | 库存 | 本月销量 | 增长率 | |---|---:|---:|---:| | A产品 | 100 | 20 | 10% | | B产品 | 200 | 30 | -5% |2. 面向程序的结构化JSON{"table_id":"T-202607-01","title":"2026年7月渠道库存统计","unit":"箱"