在了解完# 落地RAG系列：RAG入门及RAG面临的挑战和解决方案！！ Naive RAG工作流程以及Naive RAG存在的问题后，我们将先从离线部分的文件解析开始技术分析与落地，朝着高级RAG的方向前进！
文件解析的难点
在RAG应用中，文件内容解析的质量将直接决定数据的质量，数据的质量直接决定了大模型回答的质量。因此文件内容解析处理是非常重要的一环。
| 难点编号 | 难点内容 | 解决方案 |
|---|---|---|
| 难点一 | 文件种类众多，特别PPT、PDF文档内容提取 | 不同的文件类型使用不同的方式进行内容提取 |
| 难点二 | 文档结构分为结构化文本(DOC/MD等)、半结构化文本、非结构化文本（PDF） | 不同类型的文本采用不同的解析内容提取 |
| 难点三 | 文档结构复杂，文档结构影响文档切分方式，比如PPT、PDF文档结构较其它更为复杂 | 1、文件类型转换技术，比如PDF转MD格式 2、使用深度学习解析技术等 |
目前只想到了这几点，其它的是数据处理的问题，比如新旧版本数据同时存在怎么处理、数据变动如何更新等。本篇文章只专注于从文件中提取文件内容。
内容提取的原则：内容正确、内容不丢失！在技术上无法解决的需要人工标注！！
Word、Excel、PPT、PDF内容提取
支持对于doc、docx、ppt、pptx、xls、xlsx 等格式文档内容的提取。Spring AI和LangChain4j两个框架都提供内置的实现框架，将分别进行实践验证解析效果如何。
通过对Spring AI和LangChain4j底层实现进行研究，发现两者都是基于Apache Tika框架实现。Apache Tika框架可以解析和提取一千多种不同的文件类型(如PPT、XLS和PDF)的内容和格式。
Spring AI 框架内置提取实现
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-tika-document-reader</artifactId>
<version>1.0.0-SNAPSHOT</version>
</dependency>
LangChain4j 框架内置提取实现
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-document-parser-apache-tika</artifactId>
<version>0.33.0</version>
</dependency>
或者直接不使用Apache Tika框架自己去实现内容提取，如果有开箱即用的工具，还是优先推荐使用工具。下面将介绍使用内容的工具在提取各类型的文档存在的问题。
DOC/DOCX
Word文档最主要的组成内容元素：标题、段落、列表、表格、图片、图表、页眉、页脚、页码、目录、脚注和尾注、SmartArt、形状、公式、符号等。
在使用Apache Tika提取内容上主要问题：
- 列表可能正常提取内容，但是会丢失父子关系，对于大模型是否可接受看业务。
- 文档内的表格内容可以正常提取，但是丢失表格的含义，对于大模型是否可接受看业务。
- 形状内的文字无法提取，内容会丢失。这可能无法忍受。
XLS/XLSX
PPT/PPTX
对于MD、TEXT、HTML等内容的提取是相对最简单的，这里就不再赘述，在比如Spring AI 或者 LangChain4j框架中都有开箱即用的工具。
另外一种思路，是否可以将一种难以解析的文件，通过转换器能否转换为相对简单的文件类型进行解析呢？只是一种思路和想法，具体没有实践。
PDF文档内容提取
PDF属于非机构化的文档，在内容提取上是比较有难度的。通过了解很多技术文章，对于PDF的解析主要有以下几种技术方案。
一、基于规则的方法
- pypdf （langchain和LlamaIndex标准方法）
二、基于深度学习
- Unstructured：集成在langchain框架
- Layout-parser：近两年未更新，复杂pdf结构解析
- PP-StructureV2
图片文件内容提取
音视频文件内容提取
待补充
