第2章：文档加载与智能分块——RAG的第一步

本章你将收获：支持PDF（含表格）、Word、Markdown、网页、CSV等10+格式的完整加载代码；五种分块策略的深度对比（固定大小、递归字符、语义、文档结构、按标题）；元数据保留与增强的工程方法；处理100页混合格式技术手册的完整实战；以及分块参数调优的最佳实践。📌 本章导读RAG系统的质量，80%取决于索引阶段——文档加载和文本分块。如果文档加载不完整（表格解析乱码、PDF文字丢失），或者分块不合理（切断关键句子、丢失上下文），再强的LLM也救不回来。本章将深入讲解文档加载器的选型与配置，对比5种主流分块策略，并手把手带你处理一份100页的混合格式技术手册。学完本章，你将能够处理任何格式的企业文档，为高质量RAG打下坚实基础。2.1 文档加载：从各种格式中提取文本2.1.1 常见文档格式与加载器选型格式推荐加载器优点注意事项TXTTextLoader简单、快速需指定编码（UTF-8）PDF（纯文本）PyPDFLoader