Unstructured

Unstructured 解决 RAG 的第一公里：把 PDF、Word、PPT、图片、网页等非结构化文档自动解析为标题、段落、表格等结构化元素，并按类型智能切块，避免「一刀切」导致的语义割裂。
支持 OCR、表格抽取、多语言文档与图片，提供 Python 库与无代码平台，是数据清洗与知识库构建的常用前置组件。
适合场景：企业文档进知识库、合同与报表解析、多格式语料清洗。
上手方式：pip install unstructured，partition_pdf 等函数一行完成文档结构化。