必须启用mineru插件并配置知识管道才能正确解析pdf表格：开启mineru解析、勾选表格结构识别与图文空间关系、按表格边界分块、绑定流水线到数据集，否则默认pdfextractor识别率低于40%。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
面对一份含有多页嵌套表格的医疗器械说明书PDF，直接上传到Dify知识库后发现表格变成乱码、行列错位、数据丢失——这不是文档问题，而是没走对解析路径。Dify本身不直接处理复杂表格，必须借助MinerU插件与知识管道流水线协同工作，才能把PDF里的表格真正“读明白”再喂进知识库。
确认PDF类型并启用MinerU解析
打开Dify控制台 → 进入「知识库」→ 点击「新建数据集」→ 在「上传文件」前，先点击右上角齿轮图标进入「设置」→ 开启「MinerU解析」插件（若未安装，请前往插件市场搜索MinerU并启用）。
这一步不可跳过：【未启用MinerU时，Dify默认使用PdfExtractor，对表格识别率低于40%，尤其对合并单元格、跨页表格完全失效】。启用后，系统会在上传环节自动调用MinerU进行深度布局分析。
上传PDF前，右键查看文件属性，确认是文字型PDF（可复制内容）还是扫描件。若是扫描件，MinerU会自动触发OCR；若是文字型但含复杂表格，MinerU仍需开启「深度布局解析」模式——该选项在MinerU节点配置中默认关闭，必须手动勾选。
构建知识管道：四步串联解析链
第一步：在知识库页面点击「知识管道」→ 新建流水线 → 命名为“PDF表格专用”。
第二步：拖入「MinerU解析」节点 → 双击打开配置面板 → 勾选三项关键选项：✔️ 启用表格结构识别、✔️ 保留图文空间关系、✔️ 输出Markdown+JSON双格式（后者用于后续字段映射）。
第三步：接续「段落索引处理器」节点 → 设置分块策略为「按表格边界智能分块」，禁用纯字符长度切分（否则表格会被从中间劈开）。
第四步：连接「向量化索引」节点 → 选择中文专用嵌入模型bge-m3，避免用通用英文模型导致中文表格字段语义坍缩。
保存流水线后，它不会自动运行——必须将该流水线绑定到目标知识库的数据集设置中，否则上传文件仍走默认通道。
批量导入CSV/TXT作为补充校验源
方法一：导出MinerU解析后的JSON结果，用Python脚本提取表格字段，清洗后保存为UTF-8编码的CSV文件 → 在Dify知识库中选择「批量导入」→ 上传该CSV。
方法二：对关键表格（如参数对照表、合规条款清单），人工整理成TXT，每行一条结构化记录，例如：“型号:XYZ-2000｜电压:220V±10%｜认证:CE/UL”。这种纯文本格式Dify原生支持，且无编码风险。
【注意：CSV文件必须首行为字段名，且不含BOM头；用Excel另存为CSV UTF-8时，默认带BOM，会导致Dify解析失败】。推荐用VS Code或Notepad++另存，编码选“UTF-8无BOM”。
验证表格是否真正可用
上传完成后，进入知识库文档列表 → 找到刚处理的PDF → 点击右侧「查看解析结果」→ 切换到「结构化视图」标签页。
这里会显示所有被识别出的表格，每张表下方有「预览行数」滑块。拖动滑块看第10、50、100行数据是否对齐——若出现列偏移、空行堆叠、文本挤在单列里，说明MinerU未正确识别表头，需返回知识管道，在MinerU节点中调整「表头检测置信度阈值」（建议从0.6逐步上调至0.75）。
在问答测试框输入“请列出第三页的规格参数表”，观察返回结果是否包含完整行列数据及单位。若只返回零散文本片段，证明分块破坏了表格完整性，需回到段落索引处理器节点，关闭「按段落切分」，改选「整表作为一个chunk」。
