Dify

默認只解析文檔中的文本，對于表格、圖表類不做處理

• 文檔加載流程
  a.) 入口 api\core\indexing_runner.py
  b.) 路由 api\core\rag\index_processor\index_processor_factory.py
  text_model： api\core\rag\index_processor\processor\paragraph_index_processor.py
  qa_model： api\core\rag\index_processor\processor\qa_index_processor.py
  hierarchical_model：api\core\rag\index_processor\processor\parent_child_index_processor.py
  c.) 解析行為（text_model為例）
  【extract操作】api\core\rag\index_processor\processor\paragraph_index_processor.py -> api\core\rag\extractor\extract_processor.py
  不同文檔類型的實現（api\core\rag\extractor）：
  
  extractor
  
  【transform操作】api\core\rag\index_processor\processor\paragraph_index_processor.py
  文檔清理： api\core\rag\cleaner\clean_processor.py
  分nodes：
  
  nodes

RagFlow

文本、復雜表格，圖表都可以支持，結合DeepDoc進行文檔處理

• 上傳文檔
  【api接口】v1/document/upload（api\apps\document_app.py）
  上傳文件到服務器，并保存上傳文件的相關信息，并進行知識庫文檔的基本初始化處理
• 文檔解析
  【api接口】v1/document/run （api\apps\document_app.py）
  更新文檔狀態，供后臺任務解析、分塊該文檔

• 文檔解析分塊
  【后臺任務】rag\svr\task_executor.py
  根據不同的類型使用不同的實現進行處理

  
  
  build_chunks
  
  

  Factory：

FACTORY = {
    "general": naive,
    ParserType.NAIVE.value: naive,
    ParserType.PAPER.value: paper,
    ParserType.BOOK.value: book,
    ParserType.PRESENTATION.value: presentation,
    ParserType.MANUAL.value: manual,
    ParserType.LAWS.value: laws,
    ParserType.QA.value: qa,
    ParserType.TABLE.value: table,
    ParserType.RESUME.value: resume,
    ParserType.PICTURE.value: picture,
    ParserType.ONE.value: one,
    ParserType.AUDIO.value: audio,
    ParserType.EMAIL.value: email,
    ParserType.KG.value: naive,
    ParserType.TAG.value: tag
}

對應代碼（rag\app）：

文檔處理

deepdoc對應代碼(deepdoc):

deepdoc