配置

English

Lumberjack 接受具体组件，因此可通过使用同一个 tokenizer 构造 splitter 来配置内置拆分：

from lumberjack import Lumberjack
from lumberjack.block import BlockConfig, BlockKind, MarkdownTableConfig
from lumberjack.splitter import SiblingSplitter
from lumberjack.tokenizer import ApproxByteTokenizer

tokenizer = ApproxByteTokenizer()
splitter = SiblingSplitter(
    tokenizer,
    max_tokens=800,
    ideal_max_tokens_ratio=0.8,
    merge_below_ratio=0.125,
    heading_sensitive=True,
    block_options=(
        MarkdownTableConfig(max_tokens=500, repeat_header=True),
        BlockConfig(BlockKind.CODE_FENCE, split=False),
    ),
)
jack = Lumberjack(tokenizer=tokenizer, splitter=splitter)

block_options 是类型安全的配置对象序列，重复 block kind 会被拒绝。Markdown 表格使用 MarkdownTableConfig，HTML 表格使用 HTMLTableConfig；两者都可重复表头。其他内置 kind 使用 BlockConfig，parser plugin 的自定义 kind 使用 CustomBlockConfig。

字段	效果
isolated	让 block 单独形成 draft，而不与相邻内容打包。
split	是否允许该 block 使用回退拆分。不可拆分的超长 block 可以超过预算。
max_tokens	覆盖该 block kind 的 splitter 预算。
repeat_header	每个表格拆分片段重复表头。

CLI 与 Web API 在边界接受 mapping 形式。Python API 有意不接受 block_options 字典；请传入类型安全对象，以便尽早发现无效名称和重复策略。