YouTube 字幕
YouTube 是由 Google 创建的在线视频分享和社交媒体平台。
这份笔记涵盖了如何从 YouTube 字幕
加载文档。
from langchain_community.document_loaders import YoutubeLoader
%pip install --upgrade --quiet youtube-transcript-api
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=False
)
loader.load()
添加视频信息
%pip install --upgrade --quiet pytube
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg", add_video_info=True
)
loader.load()
添加语言偏好
语言参数:这是一个按优先级降序排列的语言代码列表,默认为 en
。
翻译参数:这是一个翻译偏好,您可以将可用的字幕翻译成您偏好的语言。
loader = YoutubeLoader.from_youtube_url(
"https://www.youtube.com/watch?v=QsYGlZkevEg",
add_video_info=True,
language=["en", "id"],
translation="en",
)
loader.load()
Google Cloud 的 YouTube 加载器
先决条件
创建一个 Google Cloud 项目或使用现有项目
启用 Youtube Api
pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib youtube-transcript-api
🧑 摄取 Google 文档数据的说明
默认情况下,GoogleDriveLoader
期望 credentials.json
文件位于 ~/.credentials/credentials.json
,但可以使用 credentials_file
关键字参数进行配置。token.json
也是同样的情况。请注意,第一次使用加载器时,token.json
将会自动创建。
GoogleApiYoutubeLoader
可以从 Google 文档文档 id 列表或文件夹 id 加载。您可以从以下 URL 获取文件夹和文档 id:
请注意,根据您的设置,service_account_path
需要进行设置。有关更多详细信息,请参阅此处。
# 初始化 GoogleApiClient
from pathlib import Path
from langchain_community.document_loaders import GoogleApiClient, GoogleApiYoutubeLoader
google_api_client = GoogleApiClient(credentials_path=Path("your_path_creds.json"))
# 使用频道
youtube_loader_channel = GoogleApiYoutubeLoader(
google_api_client=google_api_client,
channel_name="Reducible",
captions_language="en",
)
# 使用 Youtube Ids
youtube_loader_ids = GoogleApiYoutubeLoader(
google_api_client=google_api_client, video_ids=["TrdevFK_am4"], add_video_info=True
)
# 返回文档列表
youtube_loader_channel.load()