用途：从任意文档格式中提取结构化数据，统一输出带元数据的元素，便于后续分析或构建 AI/RAG 语料。
主要能力：基于 unstructured 库，支持 PDF（原生与扫描）、Word、PowerPoint、Excel、邮件、HTML、Markdown、纯文本、图片（OCR）等格式；可识别标题、正文、列表、表格、图片、页眉页脚等元素类型；提供自动分区 partition 与格式专用函数（如 partition_pdf、partition_docx、partition_email）；支持表格结构推断、元数据访问（页码、文件名、坐标、语言）、按标题或基础分块、批量并发处理，以及导出为 JSON、字典或 DataFrame。
使用方式：安装 pip install unstructured，按需安装扩展如 pip install "unstructured[all-docs]" 或 pip install "unstructured[pdf]"。调用 from unstructured.partition.auto import partition 后传入文件路径即可；可指定 strategy（auto/fast/hi_res/ocr_only）、include_metadata、infer_table_structure 等参数。分块使用 chunk_by_title 或 chunk_elements。
适用场景：研究论文、发票、邮件、网页等文档的数据抽取；构建可搜索语料库；为 RAG 应用准备分块数据；混合格式文档批量处理。
限制：复杂版式可能需人工复核；OCR 质量依赖图像质量；大文件需分块；部分专有格式不支持；云处理可能受 API 速率限制。具体收费与平台信息暂未提供。