这个品类的数据长什么样
航空机场财报数据主要来自民航主管部门公开的行业运行统计、机场主体的季度/年度正式财报、航班时刻备案文件与运营月报。数据更新节奏分月度起降与客流统计、季度营收快报、年度完整财报三类。文档结构通常包含起降架次、旅客吞吐量、货邮吞吐量等核心运营指标，搭配航空主业、非航商业、广告等营收分类，以及燃油成本、起降服务费、人力成本等支出项，指标单位多为架次、人次、吨、元或万元级计价。
这些特征在「文档解析与分块」这一环带来什么约束
航空机场财报的多来源异构文档格式，要求解析环节兼容官方统计表格、正式财报PDF、运营公告HTML等多种文件类型。单份财报文档的表格嵌套层级多、内容密度高，分块时需保留运营指标与对应单位的绑定关系，避免拆分后指标与单位脱节。月度更新的运营统计数据与年度财报的时间维度差异，要求分块时按时间区间做语义聚合，防止跨周期指标混排。行业内细分营收项的命名存在自定义规则，解析分块需适配非标准化字段格式，保证分块后语义完整。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 900 秒 | 航空机场财报PDF常包含多页嵌套表格，解析耗时较长，900秒可覆盖完整解析流程 |
maxChunkSize | 800–1200 字符 | 财报指标多为短数值搭配说明文本，该区间可保留指标与上下文的关联，避免拆分断裂 |
chunkOverlap | 100–150 字符 | 跨页的表格表头与核心指标需保持语义衔接，重叠量可保证上下文连贯性 |
ENABLE_IMAGE_PARSE | 开启 | 部分机场财报会附起降量柱状图、客流趋势图等可视化数据，启用后可提取图片内的印刷文本 |
PARSE_HTML_STRICT_MODE | 关闭 | 部分机场运营公告的HTML文件使用非标准标签封装运营数据，关闭严格模式可完整提取文本内容 |
IMAGE_OCR_CONFIDENCE_THRESHOLD | 0.7 | 财报内图表文字多为规范印刷体，0.7可过滤低质量识别结果，保留有效文本 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：上传PDF财报后，知识库召回结果未包含图表内的运营数据，界面预览无图片解析内容。原因：未开启
ENABLE_IMAGE_PARSE配置项，OCR解析环节未执行，图片内嵌的印刷文本未被提取。 - 现象：上传HTML格式的机场运营月报后，知识库无有效解析内容，后台日志显示
HTML_PARSE_FAILED错误码。原因：开启了PARSE_HTML_STRICT_MODE，而该HTML文件使用了非标准自定义标签，严格解析模式无法识别标签内的运营数据。 - 现象：解析后的分块出现指标与单位错位的问题，例如将“货邮吞吐量”与“架次”绑定。原因：未设置合理的分块参数，拆分时切断了指标与对应单位的上下文关联。
怎么确认配好了
- 上传一份包含内嵌可视化图表的航空机场财报PDF，查看解析预览页是否显示图片识别后的文本内容，确认图片解析配置是否适配当前文档。
- 上传一份使用自定义标签封装运营数据的HTML运营公告，检查知识库召回结果是否包含文档内的核心指标，确认HTML解析模式的配置是否合理。
- 随机抽取解析后的分块内容，核对核心运营指标与对应单位是否绑定完整，确认分块参数的配置是否符合文档结构特征。
- 查看后台解析日志，确认解析流程未触发超时错误，验证解析超时配置的时长是否适配文档规模。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。