技术博客
首页 所有文章 标签 分类 关于
技术博客

目录

知识库Dify和cherry无法解析影印pdf-word解决方案

 收录于 知识库
   约 3713 字   预计阅读 8 分钟 
https://bing.ee123.net/img/rand?artid=146087246

知识库Dify和cherry无法解析影印pdf word解决方案

近期收到大量读者反馈：上传pdf/图文PDF到Dify、Cherry Studio等知识库时，普遍存在 格式错乱、图片丢失、表格失效 三大痛点。

在试用的几款知识库中除了 ragflow 具备图片解析的能力外，其他的都只能解析文本。

https://i-blog.csdnimg.cn/img_convert/d6f4623d3e3801181e76b7e7e0c4e674.png

https://i-blog.csdnimg.cn/img_convert/405caae4b2216434a90b45c6c4a1368c.png

如果想要解析扫描件，或者带图片的pdf或word，怎么办？

通过工具将文档转成markdown

私密性的文件，建议本地部署，本地模型，非私密性的文件，可以使用一些在线服务。

marker

在github上21.6k星

总结下用途

  • 多格式转换 ：支持 PDF、图像、PPTX/DOCX/XLSX/HTML/EPUB → Markdown/JSON/HTML
  • 复杂内容提取 ：表格、公式、代码块、链接，支持图像保留与 OCR 修复，适配论文、金融文档等场景。
  • 可扩展优化 ：通过 --use_llm 调用 Gemini/Ollama 等模型提升准确率，支持自定义处理规则。

优点

  1. 速度与精度 ：单页平均处理仅 0.18 秒（H100 GPU），基准测试优于 Llamaparse/Mathpix；
  2. 灵活性强 ：兼容 GPU/CPU/MPS，支持批量并发（122 页/秒多 GPU 模式）；
  3. 开源易扩展 ：模块化设计，可自定义 Processor/Renderer。

缺点

  1. 文档复杂度限制 ：复杂嵌套表格需依赖 LLM 辅助；
  2. 商业化壁垒 ：模型权重非商用，企业使用需营收<$5M；
  3. 硬件高需求 ：GPU 加速依赖显存（单进程峰值 5GB）。

所需硬件资源

  • 基础配置 ：CPU/MPS（Mac 芯片）可轻量运行，但速度下降；
  • 推荐配置 ：多 CUDA GPU（如 H100/A100）提升吞吐，显存≥16GB 优化并行；
  • LLM 附加 ：启用 --use_llm 需联网调用云服务（Gemini/Claude/Ollama）。

markitdown

在github上39.4k星

用途

将多种文件类型（PDF、Office文档、图像、音频、HTML、ZIP、YouTube等）转换为Markdown格式，支持文本分析、索引生成等场景，并提供插件扩展能力。

优点

  1. 格式丰富 ：支持超过20种文件格式（含音视频、图像OCR、YouTube字幕）。
  2. 灵活安装 ：按需选择依赖（如pdf/docx），减少冗余资源占用。
  3. 扩展性强 ：支持第三方插件（GitHub搜索 #markitdown-plugin ），适配定制需求。
  4. 集成AI能力 ：结合Azure文档智能、OpenAI模型（如GPT-4o）增强OCR、音频转录与图像描述功能。
  5. 多场景适配 ：提供CLI、Python API、Docker镜像，适合本地开发与云环境。

缺点

  1. 依赖管理复杂 ：需手动选择安装依赖项（默认不全覆盖），可能引发兼容性问题。
  2. 外部服务依赖 ：Azure/OpenAI功能需API密钥和网络支持，增加配置门槛。
  3. 版本变更风险 ：v0.0.1至v0.0.2存在破坏性更新，旧项目迁移需调整。

所需硬件资源

  • 基础配置 ：适用于常规文件处理（CPU/RAM需求低）。
  • 复杂任务 ：大文件处理、AI模型调用（如OCR/语音转录）建议高配置CPU/内存。
  • 云服务依赖 ：Azure或OpenAI功能需稳定网络环境及对应API资源。

MinerU

在github上27.1k星

用途

  • 文档结构化转换 ：PDF转Markdown/JSON，保留文本、表格、公式、图像结构。
  • 学术/技术处理 ：精准提取论文公式（LaTeX）、表格（HTML）。
  • 多语言OCR ：支持84种语言的扫描文档识别。

优点

  1. 高效精准 ：多模型加速（10倍+速度），跨页拼接优化。
  2. 多模态支持 ：图文表公式一体化提取。
  3. 跨平台加速 ：兼容CPU/GPU/NPU/MPS，灵活部署。

缺点

  1. 场景局限 ：复杂布局（杂志/艺术册）、垂直文本支持不足。
  2. 硬件门槛 ：GPU需8GB+显存，NPU需华为Ascend生态。
  3. 小语种误差 ：变音符号或罕见字符OCR可能偏差。

所需硬件资源

  • 最低配置 ：8GB内存+SSD（CPU模式）。
  • 推荐配置 ：
    • GPU：RTX 3060+（8GB显存）；
    • NPU：华为Ascend 910B；
    • Apple：M2芯片+16GB内存（禁用公式识别优化性能）。

官方硬件推荐

https://i-blog.csdnimg.cn/img_convert/6f91d18478b46dd5b1f72816619aa64b.png

本想在线体验下，打开报

https://i-blog.csdnimg.cn/img_convert/090e7384a24afb6efd7538a015f0c51a.png

docling

在github上23.2k星，让deepseek联网搜索，竟然没有找到这个的产

用途

Docling 是文档处理工具，支持多格式解析（PDF、DOCX、HTML、图片等），重点增强 PDF 的布局、表格、代码、公式理解及 OCR 功能，提供统一文档结构表达，并与 LangChain、LlamaIndex 等 AI 框架集成，助力生成式 AI 应用开发。

优点

  1. 多格式支持 ：覆盖 PDF、DOCX、HTML 等常见格式。
  2. 高级 PDF 解析 ：精准识别布局、表格、公式、图像分类。
  3. 本地化执行 ：支持敏感数据和断网环境。
  4. 生态系统集成 ：无缝对接 LangChain 等 AI 工具链。
  5. OCR 能力 ：有效处理扫描件与图片文本提取。

缺点

  1. 复杂结构支持待完善 ：图表、分子结构等理解功能标注为“即将推出”。
  2. 外部模型依赖 ：需遵守第三方模型许可协议，可能存在版权风险。
  3. 实验性功能 ：部分功能（如 VLM 管道）可能稳定性不足。

所需硬件资源

  • 跨平台支持 ：macOS/Linux/Windows（x86_64 及 arm64）。
  • 推荐配置 ：未明确具体需求，但 OCR 与视觉模型可能需中等以上 CPU/GPU 资源，本地执行时需预留存储空间（依赖 HuggingFace 模型缓存）。
  • 轻量场景 ：基础文档解析可在普通配置运行，复杂任务建议配备 GPU 加速。

然后我deepseek综合对比了下这款产品，各有优缺点，联网竟然没有查到Docling

工具适用场景优点缺点硬件资源需求
Marker复杂PDF解析（财报、学术文献），支持段落、表格、图片提取，适用于RAG场景。- 段落解析准确 - 表格转Markdown格式 - 开源（GitHub Star 14.5k）- 表格标题行易识别错误 - 目录误判为表格 - 复杂表格解析混乱需较高计算资源（可能依赖GPU加速）
MinerUPDF解析（技术文档、报告），强调结构化输出（版面分析、表格定位）- 版面分析精准 - 表格定位能力强 - 目录和标题识别优于Marker- 表格未优化处理（保存为图片） - 图片识别偶尔错误需较强CPU性能（对GPU依赖较低）
MarkitDown多格式转换（Office文件、PDF、图片→Markdown），适合内容创作、开发者及AI分析场景- 支持多格式转换（含OCR） - 可结合AI模型生成智能描述 - MIT开源协议，灵活扩展- 依赖外部AI模型（成本高） - 复杂PDF解析能力有限轻量级设计，但大文件（多页PPT/高清图片）需较高内存
Docling无信息无信息无信息无信息
这些产品都得自己折腾。

在线服务TextIn

一个群友强烈安利我这款产品 Textln ，有在线体验，注册可以免费解析100页，（我不会告诉你，我加了他们的小助手后，给我增加了1000页）。我拿着群友发的影印件体验了下。大家可以扫描体验。

https://i-blog.csdnimg.cn/img_convert/77a34f32086121e20fe6f6b799b5269a.png

https://i-blog.csdnimg.cn/img_convert/d55a683cb8deae51138fae7892f9df9d.png

  • 点击位置 1 上传文件，上传文件以后先不要执行
  • 点击位置 2 参数配置
  • 调整完参数点击 3

特别注意：它家的速度贼快，第一次没注意配置，上传一个99页的演示稿，直接点击识别，几秒就用了99页的免费额度。

https://i-blog.csdnimg.cn/img_convert/1c4ef79bf30065f96243527a57ec3b01.png

  • 这里 1 可以设置从哪页开始解析
  • 同时可以设置解析的页数 2
  • 如果pdf有密码，可以输入pdf的密码
  • 最重要的是要设置下 4 全文识别

https://i-blog.csdnimg.cn/img_convert/9c8f9521752bc7752d8e7ef33dcb6b0f.png

  • 可以通过 1 查看识别出来的表格、公式等是否正确，特别是公式
  • 通过 2 可以看到整个的识别还是蛮准确的
  • 通过 3 可以复制出结果
  • 通过 4 可以导出结果，我们一般用这个
  • 通过 5 可以对文档进行编辑，目前的识别准确率还是很不错的。

导出结果如下。

https://i-blog.csdnimg.cn/img_convert/c5d8f670d1ec9f3e1da022e3cca32053.png

https://i-blog.csdnimg.cn/img_convert/010c5c544b2c6ffd33cc774f1b10ff12.png

在dify中建立知识库，导入文档。

https://i-blog.csdnimg.cn/img_convert/d5a637d27e8be03b616fd4892dd754c6.png

  • 注意分段标识符， 1 位置使用正则 ^###(?!#)\s 。
  • 2 设置把分段长度往长了设置，如果文档不大全文作为整体
  • 3 子分段以句号为分隔符

按照官方的说法，是可以按照https://regexr.com/ 进行正则解析的，但是我在实际使用的时候，官方是可以的，到dify中并没有生效。

https://i-blog.csdnimg.cn/img_convert/f9ca845068b2239ead39aa43db7bd969.png

https://i-blog.csdnimg.cn/img_convert/197cc860cb8af189056950dd8b720021.png

然后我又看了下表格解析。

https://i-blog.csdnimg.cn/img_convert/8402b02ce7334a8e933fe6e393cfd081.png

好家伙，影印件中那么模糊的文本，都能扫描出来，我特意用自己高度近视的眼睛（堪比24K钛合金探测器）逐字比对，结果发现字符识别零误差，实在是太强大，速度又快，准确率又高。

Textln 不仅有文档解析，还有很多的其他的服务。

https://i-blog.csdnimg.cn/img_convert/a1227d39275ba3bb94530d7b06d36e0f.png

这么好用的东西，我以前竟然没有发现，而且这个公司我以前怎么没听过，然后看了一下公司业务。

https://i-blog.csdnimg.cn/img_convert/08994d74b0cd746d4f8c05f5701a5adf.png

噢，原来是，扫描全能王，以前经常用的app。

在cherry studio和dify中无法上传影印件的同学，可以去试试，注意，别上传隐私信息。另外他家也有本地化部署服务。

相关资料

清华DeepSeek相关资料

北京大学DeepSeek相关资料

零基础使用DeepSeek

ollama的docker镜像

deepseek的模型（ollama上pull下来的）

dify相关镜像

ragflow相关资料和模型

公众号案例

总入口（有时候会被屏蔽）：

提取码：HiyL

系列文档：

DeepSeek本地部署相关

DeepSeek相关资料

DeepSeek个人应用

’

dify相关

ragflow相关

关于我

资深全栈技术专家 | 互联网领域十年架构沉淀

技术纵深：高并发架构 | 应用调优 | 分布式系统

技术版图：Java/Vue/Go/Python

管理沉淀：8年技术团队管理 | 百万级DAU经验

专注输出：

✓ 架构思维 × 技术管理 × 全栈实战

✓ 新技术应用 × 行业趋势前瞻

📢【三连好运 福利拉满】📢

🌟 若本日推送有收获：
👍 点赞 → 小手一抖，bug没有
📌 在看 → 一点扩散，知识璀璨
📥 收藏 → 代码永驻，防止迷路
📤 分享 → 传递战友，功德+999
🔔 关注 → 关注5ycode，追更不迷路，干货永同步

💬 若有槽点想输出：
👉 评论区已铺好红毯，等你来战！
更新于 2025-03-07
 Dify, Cherry
返回 | 主页