【算法工程】RAG:针对linux下文档解析出现乱码问题的解决

        RAG服务中,非常关键的模块是文档解析。但将解析服务部署到linux平台,解析word、ppt等文档时可能就会出现乱码,核心原因是系统未能识别出对应的字体。因为word、ppt在windows下是最适配的,如果将解析服务部署到linux上,就有可能产生一些异常。

        解决的思路:系统安装相应的字体

        比如我自己是ubuntu环境,需要安装:

RUN apt-get update && \
    apt-get install -y \
        ttf-wqy-zenhei \
        fonts-noto-cjk \
        msttcorefonts -qq

        配置:

# 设置字体渲染环境变量(帮助 LibreOffice 使用安装的字体)
ENV FONTCONFIG_PATH=/etc/fonts
ENV LIBREOFFICE_ENABLE_GUI=0