// 怎么选 · 做 RAG 和文档处理
做 RAG 用哪个 PDF/文档解析工具
RAG 的效果很大程度取决于解析质量。几款常用开源工具各有侧重，最好用自己的真实文档抽样对比。本站尚未做统一实测。
核实于 2026-10-103 个官方来源
现象
- 表格被拆散、公式乱码、页眉页脚混进正文
- 扫描件提取不出文字
常见原因
- 用纯文本提取处理复杂版式
- 扫描件没有经过 OCR
解决步骤
- 轻量、多格式转 Markdown（Word、PPT、Excel、HTML 等）：可先试 MarkItDown
- 版式复杂、表格多的 PDF：可试 Docling、Marker
- 学术论文、公式和中文文档较多：可试 MinerU
- 需要统一处理大量格式并接入数据管道：可看 Unstructured
- 从自己的文档里挑 20 份左右，含表格、扫描件和多栏排版，逐个工具输出对比后再决定
官方参考
2026-10-10 根据官方文档和公开讨论整理，尚未在本站环境复现；与官方文档不一致时以官方为准。