89 lines
2.5 KiB
Markdown
89 lines
2.5 KiB
Markdown
# Examples 示例文件
|
||
|
||
本目录包含两个主要的测试示例:
|
||
|
||
## 📁 simple_test.py - 基础功能测试
|
||
**用途**: 验证RAG系统的基础功能
|
||
- 🔧 纯文本文档处理
|
||
- 📄 文档加载和切分
|
||
- 🔍 文本向量化和存储
|
||
- 🔎 相似性搜索
|
||
- 📝 查询结果整合
|
||
|
||
**特点**:
|
||
- 禁用图片处理(专注基础功能)
|
||
- 适合快速验证系统可用性
|
||
- 轻量级测试
|
||
|
||
**运行**:
|
||
```bash
|
||
python examples/simple_test.py
|
||
```
|
||
|
||
## 🚀 ad_test.py - 高级功能测试
|
||
**用途**: 验证多格式文档和图片内容识别
|
||
- 📄 多格式文档解析 (DOCX, PDF, XLSX, CSV)
|
||
- 🖼️ 图片自动提取和处理
|
||
- 🤖 图片内容描述生成
|
||
- 📝 图片文本内容识别 (OCR)
|
||
- 🔍 混合内容检索 (文本+图片)
|
||
- 📊 内容分类显示
|
||
|
||
**特点**:
|
||
- 启用完整图片处理功能
|
||
- 使用BLIP模型进行图片理解
|
||
- 支持图片中文本提取
|
||
- 增强的查询结果显示
|
||
|
||
**运行**:
|
||
```bash
|
||
python examples/ad_test.py
|
||
```
|
||
|
||
## 🔧 图片文本识别功能
|
||
|
||
高级测试(`ad_test.py`)包含增强的图片文本识别功能:
|
||
|
||
### ✅ 图片内容处理
|
||
- **自动提取**: 从DOCX和PDF文档中自动提取嵌入的图片
|
||
- **智能描述**: 使用BLIP模型生成图片内容描述
|
||
- **文本识别**: 支持OCR提取图片中的文字内容
|
||
- **分类标记**: 自动识别图片类型(技术图、数据图表等)
|
||
|
||
### 📝 OCR文本提取
|
||
系统尝试从图片中提取文字内容,支持:
|
||
- **pytesseract**: 高精度OCR引擎(需要安装)
|
||
- **easyocr**: 备用OCR方案(支持中英文)
|
||
- **基础模式**: 如果OCR库不可用,提供基础信息
|
||
|
||
### 🔍 增强检索体验
|
||
- **内容分类**: 查询结果区分图片内容和文本内容
|
||
- **统计信息**: 显示检索到的文本和图片数量
|
||
- **格式化显示**: 图片内容带特殊标记 `🖼️ [图片内容]`
|
||
|
||
## 📋 测试文档要求
|
||
|
||
### 基础测试文档
|
||
- `python_basics.txt` - Python基础知识
|
||
- `data_science.txt` - 数据科学内容
|
||
|
||
### 高级测试文档
|
||
- `complex_data_science.docx` - 包含图片的Word文档
|
||
- `ai_research_report.pdf` - 包含图片的PDF报告
|
||
- `company_report.xlsx` - Excel工作簿
|
||
- `sales_data.csv` - CSV数据文件
|
||
|
||
## 🎯 预期效果
|
||
|
||
### 基础测试
|
||
- ✅ 文档正常加载和处理
|
||
- ✅ 文本查询返回相关结果
|
||
- ✅ 系统响应时间正常
|
||
|
||
### 高级测试
|
||
- ✅ 多格式文档成功解析
|
||
- ✅ 图片内容被自动识别和描述
|
||
- 🖼️ 图片查询能返回图片相关内容
|
||
- 📊 查询结果包含内容类型统计
|
||
- 🔍 图片和文本内容可被统一检索
|