确认空白页需先按Ctrl+U查原始HTML源码，搜索等空标签；若存在则为空白页问题，来源包括PDF转HTML分页残留、飞书多维表格空行、粘贴引入零宽字符；清洗须开启预处理开关、批量重载文档并验证解析结果。
☞☞☞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☜☜☜
火山引擎知识库文档中出现大量空白页，会导致检索结果冗余、摘要生成失真、向量嵌入质量下降，直接影响RAG效果和问答准确率。
确认空白页是否真实存在
先排除前端渲染干扰：在知识库管理后台打开任意一条文档详情页，按 Ctrl+U 查看原始 HTML 源码，搜索 <p></p>、<div></div> 或连续换行符 \n\n\n。若源码中确实存在大段无文本标签或空格占位符，则为空白页问题；若仅是CSS样式导致视觉留白，则无需清理。
这一步必须做，否则可能误删有效内容区域的合法空行。
定位空白页来源类型
空白页通常来自三类源头：
方法一：PDF转HTML时的分页残留
使用火山引擎「文档转码」服务（WbTranscodeCreate）将PDF上传后，部分扫描版PDF或含复杂页眉页脚的文档，在OCR后会生成独立的空页节点，表现为单个 <div class="page"></div>。
方法二：飞书多维表格导出的空行
当飞书多维表格中某行所有字段为空，但设置了条件格式或隐藏列，导出为Markdown或HTML时仍保留该行容器结构，形成不可见空白块。
方法三：用户手动粘贴带格式文本引入的零宽字符
从Word或网页复制内容进知识库编辑器时，常混入 （零宽空格）、（零宽不连字）等Unicode控制符，肉眼不可见但被解析为有效文本节点。
执行清洗操作
第一步：启用知识库预处理开关
进入火山引擎控制台 → 知识库服务 → 选择目标知识库 → 「设置」→「文档预处理」→ 开启「自动清理空白段落」和「过滤零宽字符」两项。该开关仅对新入库文档生效，【不会回扫已存在的历史文档】。
第二步：对存量文档批量重载
在知识库文档列表页，勾选全部需处理的文档 → 点击「重新解析」按钮 → 在弹窗中勾选「强制跳过缓存，重新执行全文解析」→ 确认执行。此操作将触发WbTranscodeQuery重跑，并应用最新预处理规则。
第三步：验证清洗结果
任选3～5个曾出现空白页的文档，点击「查看解析后文本」，检查段落数量是否明显减少，且无孤立的空 <p></p> 标签。若仍有残留，说明该文档原始格式存在深度嵌套空容器，需下载原始文件后用正则 ]*>\s*]*> 手动清理再重传。
