os error
This commit is contained in:
朱潮
parent
9d65e181eb
commit
7c16c954e6
@ -1,116 +0,0 @@
|
||||
# MinerU 文档解析集成指南
|
||||
|
||||
## 概述
|
||||
|
||||
本文档说明了如何在 MaxKB 中使用 MinerU 高质量文档解析功能。MinerU 是一个强大的文档解析工具，特别适合处理包含复杂表格、图片、公式等内容的 PDF 和 PPT 文档。
|
||||
|
||||
## 最新更新
|
||||
|
||||
- ✅ MinerU 代码已完整集成到 MaxKB 项目中
|
||||
- ✅ 支持选择大语言模型和视觉模型进行文档解析
|
||||
- ✅ 前端界面支持模型选择器
|
||||
- ✅ 后端支持传递模型参数到 MinerU 解析器
|
||||
|
||||
## 功能特点
|
||||
|
||||
- **高质量解析**：支持复杂文档结构的精确解析
|
||||
- **多格式支持**：支持 PDF、PPT、PPTX 文件格式
|
||||
- **智能处理**：自动识别并处理表格、图片、公式等复杂内容
|
||||
- **分页处理**：支持按页独立处理，提高处理效率
|
||||
- **上下文保持**：保持文档的上下文关系，提高检索质量
|
||||
|
||||
## 使用方法
|
||||
|
||||
### 1. 配置模型
|
||||
|
||||
MinerU 解析需要配置两种模型：
|
||||
|
||||
- **大语言模型 (LLM)**：用于内容理解和增强
|
||||
- **视觉模型 (Vision Model)**：用于图片识别和处理
|
||||
|
||||
在 MaxKB 管理后台的模型管理页面（http://localhost:3000/admin/model）添加所需的模型。
|
||||
|
||||
### 2. 上传文档
|
||||
|
||||
1. 进入知识库管理页面
|
||||
2. 点击"上传文档"按钮
|
||||
3. 在文档类型选择中，选择"MinerU"选项
|
||||
4. 选择合适的大语言模型和视觉模型
|
||||
5. 上传 PDF 或 PPT 文档
|
||||
6. 系统会自动使用选定的模型进行智能解析
|
||||
|
||||
### 3. 文档处理流程
|
||||
|
||||
当选择 MinerU 解析时，系统会：
|
||||
|
||||
1. **文件检测**：自动识别文件格式（PDF/PPT）
|
||||
2. **智能解析**：使用 MinerU 引擎进行深度解析
|
||||
3. **内容提取**：提取文本、表格、图片等内容
|
||||
4. **分段处理**：根据设置的规则进行智能分段
|
||||
5. **向量化存储**：将处理后的内容进行向量化存储
|
||||
|
||||
## 技术实现
|
||||
|
||||
### 后端集成
|
||||
|
||||
MinerU 解析器已集成到 MaxKB 的文档处理流程中：
|
||||
|
||||
- **MinerU 核心代码**：`/apps/common/handle/impl/mineru/`
|
||||
- **处理器适配器**：`/apps/common/handle/impl/mineru/maxkb_adapter.py`
|
||||
- **分段处理器**：`/common/handle/impl/text/mineru_split_handle.py`
|
||||
- **优先级**：MinerU 处理器具有最高优先级，优先处理支持的文档格式
|
||||
- **模型集成**：支持动态选择和配置 LLM 和 Vision 模型
|
||||
- **异步处理**：使用异步方式调用 MinerU API，提高处理效率
|
||||
|
||||
### 前端支持
|
||||
|
||||
前端已完整支持 MinerU 功能：
|
||||
|
||||
- **上传组件**：支持选择 MinerU 作为解析方式
|
||||
- **模型选择器**：可选择大语言模型和视觉模型
|
||||
- **文件过滤**：自动过滤仅显示支持的文件格式（PDF、PPT、PPTX）
|
||||
- **进度显示**：实时显示文档处理进度
|
||||
- **状态管理**：使用 Pinia store 管理模型选择状态
|
||||
|
||||
## 支持的文件格式
|
||||
|
||||
- **PDF 文档**：`.pdf`
|
||||
- **PowerPoint 演示文稿**：`.ppt`, `.pptx`
|
||||
|
||||
## 注意事项
|
||||
|
||||
1. **文件大小限制**：遵循知识库设置的文件大小限制
|
||||
2. **处理时间**：复杂文档可能需要较长处理时间
|
||||
3. **资源消耗**：MinerU 解析需要较多计算资源，建议合理安排处理任务
|
||||
|
||||
## 故障排查
|
||||
|
||||
### 常见问题
|
||||
|
||||
1. **MinerU 未初始化**
|
||||
- 检查 gptbase-parser 路径是否正确
|
||||
- 确认依赖已正确安装
|
||||
|
||||
2. **文档解析失败**
|
||||
- 检查文档格式是否支持
|
||||
- 查看日志获取详细错误信息
|
||||
|
||||
3. **处理超时**
|
||||
- 考虑分批处理大型文档
|
||||
- 调整超时设置
|
||||
|
||||
## 日志位置
|
||||
|
||||
MinerU 相关日志会记录在 MaxKB 的标准日志中，使用 `mineru-parser` 前缀标识。
|
||||
|
||||
## 未来优化
|
||||
|
||||
- [ ] 支持更多文档格式
|
||||
- [ ] 优化图片处理流程
|
||||
- [ ] 添加解析质量评分
|
||||
- [ ] 支持自定义解析参数
|
||||
- [ ] 增加批量处理能力
|
||||
|
||||
## 联系支持
|
||||
|
||||
如遇到问题，请查看系统日志或联系技术支持团队。
|
||||
@ -1,5 +1,3 @@
|
||||
# MinerU 集成复盘报告
|
||||
|
||||
## 一、已完成的集成工作
|
||||
|
||||
### 1. 核心功能集成 ✅
|
||||
|
||||
@ -1,4 +1,4 @@
|
||||
<p align="center"><img src= "https://github.com/1Panel-dev/maxkb/assets/52996290/c0694996-0eed-40d8-b369-322bf2a380bf" alt="MaxKB" width="300" /></p>
|
||||
</Users/moshui/Documents/felo/moshui/MaxKB/apps/common/handle/impl/mineru/Users/moshui/Documents/felo/moshui/MaxKB/apps/common/handle/impl/minerup align="center"><img src= "https://github.com/1Panel-dev/maxkb/assets/52996290/c0694996-0eed-40d8-b369-322bf2a380bf" alt="MaxKB" width="300" /></p>
|
||||
<h3 align="center">Open-source platform for building enterprise-grade agents</h3>
|
||||
<h3 align="center">强大易用的企业级智能体平台</h3>
|
||||
<p align="center"><a href="https://trendshift.io/repositories/9113" target="_blank"><img src="https://trendshift.io/api/badge/repositories/9113" alt="1Panel-dev%2FMaxKB | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a></p>
|
||||
|
||||
@ -274,14 +274,15 @@ class BaseMinerUExtractor:
|
||||
# 如果有 binary_data，说明图片被压缩了，需要先保存到临时文件
|
||||
if binary_data:
|
||||
import tempfile
|
||||
with tempfile.NamedTemporaryFile(suffix=os.path.splitext(filename)[1], delete=False) as tmp:
|
||||
import os as _os # Import os locally to avoid scope issues
|
||||
with tempfile.NamedTemporaryFile(suffix=_os.path.splitext(filename)[1], delete=False) as tmp:
|
||||
tmp.write(binary_data)
|
||||
tmp_path = tmp.name
|
||||
|
||||
result = await self.adapter.upload_file(tmp_path, upload_options)
|
||||
# 清理临时文件
|
||||
try:
|
||||
os.unlink(tmp_path)
|
||||
_os.unlink(tmp_path)
|
||||
except:
|
||||
pass
|
||||
elif filepath:
|
||||
|
||||
@ -50,8 +50,6 @@ class GPTBaseAdapter(PlatformAdapter):
|
||||
logger.info(f"Gbase: Test mode - returning original path: {file_path}")
|
||||
return file_path
|
||||
|
||||
import os
|
||||
|
||||
# 判断文件类型
|
||||
file_ext = os.path.splitext(file_path)[1].lower()
|
||||
|
||||
|
||||
@ -262,10 +262,11 @@ class MinerUAdapter:
|
||||
import tempfile
|
||||
import asyncio
|
||||
import threading
|
||||
import os as _os # Import os locally to ensure it's available
|
||||
|
||||
try:
|
||||
# 创建临时文件
|
||||
with tempfile.NamedTemporaryFile(suffix=os.path.splitext(file_name)[1],
|
||||
with tempfile.NamedTemporaryFile(suffix=_os.path.splitext(file_name)[1],
|
||||
delete=False) as tmp_file:
|
||||
tmp_file.write(file_content)
|
||||
tmp_file_path = tmp_file.name
|
||||
@ -376,7 +377,7 @@ class MinerUAdapter:
|
||||
for img_path in section['images']:
|
||||
try:
|
||||
# 检查图片文件是否存在
|
||||
if os.path.exists(img_path):
|
||||
if _os.path.exists(img_path):
|
||||
with open(img_path, 'rb') as f:
|
||||
img_content = f.read()
|
||||
saved_path = save_image_func(img_content)
|
||||
@ -393,8 +394,8 @@ class MinerUAdapter:
|
||||
|
||||
finally:
|
||||
# 清理临时文件
|
||||
if os.path.exists(tmp_file_path):
|
||||
os.unlink(tmp_file_path)
|
||||
if _os.path.exists(tmp_file_path):
|
||||
_os.unlink(tmp_file_path)
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"MinerU处理文档失败: {str(e)}")
|
||||
|
||||
Loading…
Reference in New Issue
Block a user