langchain_community.document_loaders.mediawikidump
.MWDumpLoader¶
- class langchain_community.document_loaders.mediawikidump.MWDumpLoader(file_path: Union[str, Path], encoding: Optional[str] = 'utf8', namespaces: Optional[Sequence[int]] = None, skip_redirects: Optional[bool] = False, stop_on_error: Optional[bool] = True)[source]¶
从`XML`文件中加载`MediaWiki`转储。
- 示例:
from langchain_text_splitters import RecursiveCharacterTextSplitter from langchain_community.document_loaders import MWDumpLoader loader = MWDumpLoader( file_path="myWiki.xml", encoding="utf8" ) docs = loader.load() text_splitter = RecursiveCharacterTextSplitter( chunk_size=1000, chunk_overlap=0 ) texts = text_splitter.split_documents(docs)
- Parameters
file_path (str) – XML本地文件路径
encoding (str, optional) – 字符集编码,默认为”utf8”
namespaces (List[int],optional) – 要解析的页面的命名空间。 请参阅https://www.mediawiki.org/wiki/Help:Namespaces#Localisation 以获取所有常见命名空间的列表
skip_redirects (bool, optional) – TR=rue跳过重定向到其他页面的页面, False保留它们。默认为False
stop_on_error (bool, optional) – False跳过导致解析错误的页面, True停止。默认为True
Methods
__init__
(file_path[, encoding, namespaces, ...])一个用于文档的惰性加载器。
aload
()将数据加载到文档对象中。
从文件路径中进行延迟加载。
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。
- __init__(file_path: Union[str, Path], encoding: Optional[str] = 'utf8', namespaces: Optional[Sequence[int]] = None, skip_redirects: Optional[bool] = False, stop_on_error: Optional[bool] = True)[source]¶
- Parameters
file_path (Union[str, Path]) –
encoding (Optional[str]) –
namespaces (Optional[Sequence[int]]) –
skip_redirects (Optional[bool]) –
stop_on_error (Optional[bool]) –
- 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]