Mode d'emploi · rag/src/documents.py
def chunk(self, doc): # chunker.py
doc # universites/charte-ia-uco.docx
doc.id, doc.format # chemin, "docx"
doc.meta["date"] # "2025" (+ status, source…)
doc.raw_text[:40]
# "Charte pour l'Usage de l'Intelligence…"
doc.blocks[:3]
# Block(heading, level=1, "Charte pour…")
# Block(heading, level=2, "PRÉAMBULE")
# Block(text, "L'intelligence artificielle…")
Les champs d'un Block
champ
contenu
kind
"heading", "text", "table"
text
le contenu
level
niveau de titre : 1, 2…
page
page du PDF
rows
lignes ; rows[0] = en-tête
rows[0][:3] → ['Année', '1981', '1982']
rows[1][0] → 'Nombre de plaintes reçues'
rows[1][1:3] → ['136', '151']
TP 1 : doc.raw_text, le texte tel que l'extrairait un outil générique · TP 2 : doc.blocks, la structure.