langchain_community.document_loaders.parsers.pdf.PDFMinerParser

class langchain_community.document_loaders.parsers.pdf.PDFMinerParser(extract_images: bool = False, *, concatenate_pages: bool = True)

使用`PDFMiner`解析`PDF`。

基于PDFMiner初始化解析器。

参数：

extract_images: 是否从PDF中提取图像。 concatenate_pages: 如果为True，则将所有PDF页面连接成一个单个文档。否则，每页返回一个文档。

Methods

__init__([extract_images, concatenate_pages])	基于PDFMiner初始化解析器。
lazy_parse(blob)	懒惰地解析blob。
parse(blob)	将blob急切地解析为一个文档或多个文档。

Parameters

• extract_images (bool) –

• concatenate_pages (bool) –

__init__(extract_images: bool = False, *, concatenate_pages: bool = True)

基于PDFMiner初始化解析器。

参数：

extract_images: 是否从PDF中提取图像。 concatenate_pages: 如果为True，则将所有PDF页面连接成一个单个文档。否则，每页返回一个文档。

Parameters

• extract_images (bool) –

• concatenate_pages (bool) –

lazy_parse(blob: Blob) → Iterator[Document]

懒惰地解析blob。

Parameters

blob (Blob) –

Return type

Iterator[Document]

parse(blob: Blob) → List[Document]

将blob急切地解析为一个文档或多个文档。

这是一个用于交互式开发环境的便利方法。

生产应用程序应该更倾向于使用lazy_parse方法。

子类通常不应该覆盖这个解析方法。

参数：

blob：Blob实例

返回：

文档列表

Parameters

blob (Blob) –

Return type

List[Document]

Examples using PDFMinerParser

• Configure the parsers that you want to use per mime-type!