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¶
选择少量有代表性的邮件,检查文件可以正常打开。
将邮件上传到当前工作区的 Catalog 卷,保留可读原件。
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。
配置并运行¶
在工作流编辑器中添加通用文档解析。
选择已上传的邮件,或绑定上游读取卷节点的文件来源。
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。
用少量邮件运行测试,查看节点输出和失败信息。
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。