langchain_text_splitters.character.RecursiveCharacterTextSplitter

class langchain_text_splitters.character.RecursiveCharacterTextSplitter(separators: Optional[List[str]] = None, keep_separator: bool = True, is_separator_regex: bool = False, **kwargs: Any)[source]

通过递归查看字符来拆分文本。

# 递归尝试通过不同的字符来拆分，以找到适合的字符。

创建一个新的TextSplitter。

Methods

__init__([separators, keep_separator, ...])

创建一个新的TextSplitter。

atransform_documents(documents, **kwargs)

异步转换文档列表。

create_documents(texts[, metadatas])

从文本列表中创建文档。

from_huggingface_tokenizer(tokenizer, **kwargs)

使用HuggingFace分词器进行文本拆分以计算长度。

from_language(language, **kwargs)

from_tiktoken_encoder([encoding_name, ...])

使用tiktoken编码器来计算长度的文本分割器。

get_separators_for_language(language)

split_documents(documents)

分割文档。

split_text(text)

将文本分割成多个部分。

transform_documents(documents, **kwargs)

将文档序列通过拆分进行转换。
Parameters

  • separators (Optional[List[str]]) –

  • keep_separator (bool) –

  • is_separator_regex (bool) –

  • kwargs (Any) –

Return type

None

__init__(separators: Optional[List[str]] = None, keep_separator: bool = True, is_separator_regex: bool = False, **kwargs: Any) → None[source]

创建一个新的TextSplitter。

Parameters

  • separators (Optional[List[str]]) –

  • keep_separator (bool) –

  • is_separator_regex (bool) –

  • kwargs (Any) –

Return type

None

async atransform_documents(documents: Sequence[Document], **kwargs: Any) → Sequence[Document]

异步转换文档列表。

参数：

documents：要转换的文档序列。

返回：

转换后的文档列表。

Parameters

  • documents (Sequence[Document]) –

  • kwargs (Any) –

Return type

Sequence[Document]

create_documents(texts: List[str], metadatas: Optional[List[dict]] = None) → List[Document]

从文本列表中创建文档。

Parameters

  • texts (List[str]) –

  • metadatas (Optional[List[dict]]) –

Return type

List[Document]

classmethod from_huggingface_tokenizer(tokenizer: Any, **kwargs: Any) → TextSplitter

使用HuggingFace分词器进行文本拆分以计算长度。

Parameters

  • tokenizer (Any) –

  • kwargs (Any) –

Return type

TextSplitter

classmethod from_language(language: Language, **kwargs: Any) → RecursiveCharacterTextSplitter[source]
Parameters

  • language (Language) –

  • kwargs (Any) –

Return type

RecursiveCharacterTextSplitter

classmethod from_tiktoken_encoder(encoding_name: str = 'gpt2', model_name: Optional[str] = None, allowed_special: Union[Literal['all'], AbstractSet[str]] = {}, disallowed_special: Union[Literal['all'], Collection[str]] = 'all', **kwargs: Any) → TS

使用tiktoken编码器来计算长度的文本分割器。

Parameters

  • encoding_name (str) –

  • model_name (Optional[str]) –

  • allowed_special (Union[Literal['all'], AbstractSet[str]]) –

  • disallowed_special (Union[Literal['all'], Collection[str]]) –

  • kwargs (Any) –

Return type

TS

static get_separators_for_language(language: Language) → List[str][source]
Parameters

language (Language) –

Return type

List[str]

split_documents(documents: Iterable[Document]) → List[Document]

分割文档。

Parameters

documents (Iterable[Document]) –

Return type

List[Document]

split_text(text: str) → List[str][source]

将文本分割成多个部分。

Parameters

text (str) –

Return type

List[str]

transform_documents(documents: Sequence[Document], **kwargs: Any) → Sequence[Document]

将文档序列通过拆分进行转换。

Parameters

  • documents (Sequence[Document]) –

  • kwargs (Any) –

Return type

Sequence[Document]

Examples using RecursiveCharacterTextSplitter