处理邮件正文与图片

使用通用文档解析读取 EML 或 MSG 邮件,检查正文、内嵌图片和可获取的外部图片,再将结果用于分段、抽取或入库。

准备邮件和附件

  1. 选择少量有代表性的邮件,检查文件可以正常打开。

  2. 将邮件上传到当前工作区的 Catalog 卷,保留可读原件。

  3. 附件需要参与后续分析时,先单独保存附件,确认可以打开,再按其格式上传和解析。压缩包先解压;加密附件由有权限的人员解密,或向资料所有者取得可读版本。

邮件正文解析成功不能证明全部附件已处理。核对邮件与附件清单,分别检查正文和每个所需附件。

资料

处理方式

EML、MSG 邮件正文与图片

按下方步骤使用通用文档解析。

单独保存的 PDF、Word 等附件

按通用文档解析选择对应源文件。

需要整理成邮件头部、收件人等数据表的归档

使用邮件归档解析,核对路径与输出表。

配置并运行

  1. 在工作流编辑器中添加通用文档解析。

  2. 选择已上传的邮件,或绑定上游读取卷节点的文件来源。

  3. 按需要配置解析层级和图片处理选项。需要图片理解时准备可用模型。

  4. 用少量邮件运行测试,查看节点输出和失败信息。

  5. 核对正文、图片及其来源,再将输出连接到分段、信息抽取或知识库入库节点。

将邮件中的人名、正文、表格和图片分别与原件比对。文件数量和节点成功状态不能代替内容检查。

检查外部图片

邮件 HTML 中的外部图片可能来自 HTTP(S) 地址。解析时会尝试获取可访问的公网位图;回环、私网、链路本地等非公网地址会被拒绝。外部图片受 20 MiB 文件大小、重定向及网络超时限制,并校验实际图片内容。

外部图片获取失败时,结果可能继续保留原 URL。此时正文仍可能可读,但图片没有成功保存。检查实际预览和图片结果,不能将“有链接”判断为“已抓取”。

网页链接、网盘下载页和需要浏览器登录的资源,不等于可直接读取的外部图片。需要其中内容时,由有权限的人员取得文件后单独上传;不要向链接中附加账号密码或访问令牌。

处理失败或内容缺失

现象

检查与处理

正文乱码或缺段

用邮件客户端检查原件,核对编码和具体文件错误。

图片只显示原链接

检查公网访问、响应是否为真实位图、大小、重定向和网络错误。

正文正常但附件内容缺失

按附件清单单独导出和解析所需文件,再核对结果。

附件要求密码

先取得有权访问的可读版本,验证后单独上传。

已完成但知识库无法命中

继续检查分段、索引和来源启用状态,见知识库数据管理。

保留失败邮件名称、运行 ID 和具体错误,修正输入后先用同一小样本验证。

最后更新于