RAG 文档解析器选型
一、纯文档XML解析流派特点不加载AI视觉模型直接解析文档原生OOXML结构速度快、资源占用低适合Office类电子文档。python-docx直接底层解析docx压缩包内OOXML仅支持docx格式无pptx/xlsx/PDF解析能力。可读取表格合并单元格标记、提取文本与图片但不存在文档阅读顺序语义合并单元格需要自行编码处理无法直接输出规整Markdown。适合简单文档文本提取、Word二次编辑不建议作为RAG主链路解析器。Docling【Office文档首选】底层docx模块基于python-docx封装在上层构建统一文档语义树自动规整合并单元格、维护图文阅读顺序、原生支持图片提取开箱输出标准化Markdown/JSON。支持格式✅ docxWord 2007✅ pptxPowerPoint 2007✅ xlsx / xlsmExcel 2007重要区分Docling解析docx/pptx/xlsx无需AI模型当解析PDF时才会加载布局检测、表格识别等视觉模型。二、AI版面分析流派特点依托深度学习模型做版面检测、表格识别、OCR擅长扫描件、多栏排版、图文混排PDF算力消耗更高、解析速度会慢很多CPU环境解析一个30页PDF大概需要2分钟。1. MinerU中文PDF场景标杆✅ 优势中文标书、财报、论文、多栏PDF、图片、跨页复杂合并表格解析能力突出内置OCR、页眉页脚自动清洗输出整洁Markdown扫描影印类文档表现业内第一梯队。❌ 短板核心能力聚焦PDF推荐GPU运行纯CPU解析速度一般全程依赖AI模型。补充说明MinerU ≥3.0 版本新增docx/pptx/xlsx原生解析接口但Office文档解析属于附加功能复杂图文、文本框场景稳定性较差生产环境不建议依靠它处理Word。 适用场景以中文PDF为主包含大量扫描件、工程合同、研报、多栏技术文档。2. Unstructured支持60种文件格式生态完善深度对接LangChain/LlamaIndex。短板中文文档适配一般复杂合并单元格表格还原效果偏弱很多格式底层依靠LibreOffice中转部署链路较重。三、选型落地小结推荐工程分流架构建筑业/企业文档RAG最优实践.pdf→ MinerU发挥中文PDF、扫描件、复杂表格强项.docx/.pptx/.xlsx→ Docling轻量化XML解析不抢占GPU资源自动处理合并单元格极端复杂 Word大量浮动文本框、浮动图片兜底方案docx 通过 LibreOffice 无头模式转 PDF → MinerU选型误区很多人追求一套库处理全部文件直接全量使用 Docling 或者 Unstructured。该方案开发简单但在中文扫描 PDF、复杂表格情况下解析质量会明显弱于分流方案。
)
)
