[Question]: Letter ‘n’ missing when parsing documents

快速结论：该问题通常在使用 RAGFlow Python API 创建数据集并配置 parser_config 中的 delimiter 参数时触发。优先检查 delimiter 中是否使用了双反斜杠（如 "\\\\n"），这会导致后端将 \\n 解释为字面量反斜杠加字母 ‘n’，从而在解析时错误地剥离文档中的字母 ‘n’。

问题场景

用户使用 RAGFlow 的 Python API 创建数据集（dataset）时，通过 parser_config 自定义文档解析分隔符（delimiter），或者完全不指定 parser_config 使用默认值。预期按换行符（\n）分割文档，但实际解析后文档中的字母 ‘n’ 被无故剥离。问题可影响 Markdown 及其他所有文档类型。

报错原文

When I use the python api to create dataset, either
1. i specify parser_config and cannot parse documents(.md) at all (delimiter: '\n')
2. i don't specify parser_config and the parsed documents strips letter 'n' (delimiter: '\\n')

原因分析

根本原因是 RAGFlow 对 parser_config 中 delimiter 参数的转义序列处理不一致。

如果在 Python 代码中设置 delimiter = "\\n"，Python 解释器会将其解释为一个真正的换行符（单反斜杠 + n），这是正确的用法，可以按换行分割文档。
如果错误地设置了 delimiter = "\\\\n"（双反斜杠），Python 传递的实际字符串是字面量反斜杠后跟字母 ‘n’（即 \n 文本）。RAGFlow 后端不会对转义序列进行标准化，它会按字面量字符串分割，即把字母 ‘n’ 作为分隔符，导致所有 ‘n’ 字符被移除。
不指定 parser_config 时，默认 delimiter 可能也被错误解释，引发相同问题。

这是已知代码缺陷（参见 #8668），后端未对 delimiter 字符串做转义序列的统一转换或标准化。

环境排查

确认 Python 客户端中传递的 parser_config 里 delimiter 的原始字符串值（建议打印并检查反斜杠数量）
确认 RAGFlow 版本（避免编写版本号，但可参考 Issue 讨论中的已知缺陷）
确认受影响文件类型（不限于 Markdown）

解决步骤

检查 Python 代码中的 delimiter 设置：始终使用 "delimiter": "\\n"（单反斜杠），让 Python 将其解释为换行符。不要写成 "\\\\n"（双反斜杠）。
建议打印出实际发送给 API 的 parser_config JSON 字符串，确认 delimiter 字段值为 "\\n"（在 JSON 中表示一个换行符）。
如果完全不指定 parser_config 仍然出现问题，可尝试显式设置正确的 delimiter 以覆盖可能的错误默认值。
此问题已记录为已知缺陷，可关注后续版本修复。当前通过步骤 1 和 2 可有效规避（可优先尝试）。

# 正确示例
parser_config = {
    "delimiter": "\n"  # 在 Python 字符串中只有一个反斜杠
}

# 错误示例（会导致字母 n 被剥离）
parser_config = {
    "delimiter": "\\n"  # 双反斜杠，实际传递的是字面量 \n
}