Dify解析PDF表格失败需替换解析器或接入MinerU：先用pdfplumber替换原生解析器并重启服务；或部署MinerU API、修改URL指向并验证日志；对低质PDF应预处理为高分辨率图像并修复表格线。
☞☞☞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☜☜☜
企业上传含表格的PDF文档后，Dify原生解析器常将表格内容错排为乱序文本、丢失行列结构，导致AI回答时引用错误数据或直接跳过关键信息。这并非模型能力问题，而是底层文本提取环节失效所致。
替换PDF解析器为pdfplumber
第一步：进入Dify项目目录，定位到PDF解析模块路径：dify/api/core/rag/extractor/pdf_extractor.py。
第二步：卸载原生pypdfium2依赖，安装pdfplumber及OCR支持组件：pip uninstall pypdfium2 && pip install pdfplumber pytesseract。
第三步：在pdf_extractor.py中，将原有PdfExtractor类整体替换为PdfNewExtractor类定义——该类基于pdfplumber逐页解析，保留原始坐标信息，并内置表格检测逻辑；【若跳过此步直接修改配置而不替换类，解析仍将沿用旧引擎】。
第四步：重启Dify服务使新解析器生效：docker compose down && docker compose up -d。
启用MinerU API接管复杂PDF解析
方法一：部署MinerU服务并暴露API
在服务器执行mineru-api --host 0.0.0.0 --port 8000启动服务；确认端口8000可被Dify容器网络访问，且防火墙放行。
方法二：修改Dify PDF解析器调用逻辑
编辑dify/api/core/rag/extractor/pdf_extractor.py，将self.mineru_api_url指向http://host.docker.internal:8000（Linux/macOS）或http://172.17.0.1:8000（Windows Docker Desktop）；【使用localhost会导致容器内DNS无法解析，解析请求必然失败】。
方法三：验证MinerU是否生效
上传一份含跨页表格的扫描版PDF，在Dify后台查看该文档的“处理日志”，若出现[MinerU] parsed 3 tables, 12 formulas字样，说明调用成功。
手动预处理PDF提升表格识别率
对已存在的低质量PDF，不建议反复重传等待自动优化。应先本地处理再上传：
① 使用Adobe Acrobat Pro或开源工具pdf2image将PDF转为高分辨率PNG（DPI≥300），确保表格边框清晰可辨；
② 对转换后的图像PDF，用pdfplumber命令行工具预检表格结构：pdfplumber table_test.pdf --show-tables，观察控制台输出的表格坐标与行列数是否合理；
③ 若检测异常，用Inkscape打开PNG，手动补全断裂的表格线，另存为PDF后上传；这一步能规避80%的错列问题。
