1、RecursiveCharacterTextSplitter

（1）作用

通过递归查看字符来分割文本。
递归地尝试按不同的字符进行分割，以找到一个有效的字符。

（2）用法

RecursiveCharacterTextSplitter(
    separators: Optional[list[str]] = None,
    keep_separator: Union[bool, Literal["start", "end"]] = True,
    is_separator_regex: bool = False,
    **kwargs
)

（3）参数解释

3.1 separators: Optional[list[str]]

定义一组递归使用的分割符，从“语义较大”到“语义较小”依次尝试切割。

separators = ["\n\n", "\n", "。", " ", ""]

• 先按双换行（段落）切；

• 段落太长，再按单换行（行）切；

• 行仍太长，再按句号（句）切；

• 最后按空格或字符切。

💡 建议：

• 英文文本可用：["\n\n", "\n", ".", " ", ""]

• 中文文本推荐：["\n\n", "\n", "。", "，", " ", ""]

3.2 keep_separator: Union[bool, Literal["start", "end"]]

控制分割后是否保留分隔符，以及保留在开头还是结尾。

• 语义分析或 embedding 时保留 "end"，避免丢失句尾语义。

• 纯结构化数据（如CSV）可设为 False。

3.3 is_separator_regex: bool = False

是否将 separators 中的分隔符当作**正则表达式（regex）**来解释。

是否将 separators 中的分隔符当作**正则表达式（regex）**来解释。

这时会用正则 \n\d+\. 来匹配“以数字开头的标题行”，可以用来按“第1章、第2章…”等标题分割技术文档。

• 如果你的文件包含章节号、时间戳、标点规律明显的结构，用正则会非常方便；

• 一般场景保持 False 即可。

3.4 **kwargs

这是通配符参数，实际会向上层 CharacterTextSplitter 传递。
主要包括下面这些（常用）

（4）示例演示

from langchain.text_splitter import RecursiveCharacterTextSplitter

text = """第一章 发动机测试要求
发动机应在额定转速下持续运行。
第二章 数据采集规范
记录转速、扭矩、温度及油耗。
"""

splitter = RecursiveCharacterTextSplitter(
    separators=[r"第.*章", "\n\n", "\n", "。", " "],
    keep_separator="start",
    is_separator_regex=True,
    chunk_size=50,
    chunk_overlap=10,
)

docs = splitter.split_text(text)
for i, d in enumerate(docs, 1):
    print(f"📘 片段 {i}: {d}")