langchain_community.document_loaders.html_bs
.BSHTMLLoader¶
- class langchain_community.document_loaders.html_bs.BSHTMLLoader(file_path: Union[str, Path], open_encoding: Optional[str] = None, bs_kwargs: Optional[dict] = None, get_text_separator: str = '')[source]¶
加载`HTML`文件并使用`beautiful soup`解析。
使用路径进行初始化,并可选择使用的文件编码,以及传递给BeautifulSoup对象的任何kwargs。
- 参数:
file_path:要加载的文件路径。 open_encoding:打开文件时要使用的编码。 bs_kwargs:传递给BeautifulSoup对象的任何kwargs。 get_text_separator:在soup上调用get_text时要使用的分隔符。
Methods
__init__
(file_path[, open_encoding, ...])使用路径进行初始化,并可选择使用的文件编码,以及传递给BeautifulSoup对象的任何kwargs。
一个用于文档的惰性加载器。
aload
()将数据加载到文档对象中。
加载HTML文档到文档对象中。
load
()将数据加载到文档对象中。
load_and_split
([text_splitter])加载文档并分割成块。块作为文档返回。
- Parameters
file_path (Union[str, Path]) –
open_encoding (Optional[str]) –
bs_kwargs (Optional[dict]) –
get_text_separator (str) –
- Return type
None
- __init__(file_path: Union[str, Path], open_encoding: Optional[str] = None, bs_kwargs: Optional[dict] = None, get_text_separator: str = '') None [source]¶
使用路径进行初始化,并可选择使用的文件编码,以及传递给BeautifulSoup对象的任何kwargs。
- 参数:
file_path:要加载的文件路径。 open_encoding:打开文件时要使用的编码。 bs_kwargs:传递给BeautifulSoup对象的任何kwargs。 get_text_separator:在soup上调用get_text时要使用的分隔符。
- Parameters
file_path (Union[str, Path]) –
open_encoding (Optional[str]) –
bs_kwargs (Optional[dict]) –
get_text_separator (str) –
- Return type
None
- load_and_split(text_splitter: Optional[TextSplitter] = None) List[Document] ¶
加载文档并分割成块。块作为文档返回。
不要覆盖此方法。应该被视为已弃用!
- 参数:
- text_splitter: 用于分割文档的TextSplitter实例。
默认为RecursiveCharacterTextSplitter。
- 返回:
文档列表。
- Parameters
text_splitter (Optional[TextSplitter]) –
- Return type
List[Document]