langchain_community.document_loaders.pdf.DocumentIntelligenceLoader

class langchain_community.document_loaders.pdf.DocumentIntelligenceLoader(file_path: str, client: Any, model: str = 'prebuilt-document', headers: Optional[Dict] = None)

使用Azure文档智能加载PDF

使用Azure文档智能（以前称为表单识别器）初始化文件处理对象。

此构造函数初始化一个DocumentIntelligenceParser对象，用于使用Azure文档智能API解析文件。load方法为每个页面生成包含元数据（源blob和页码）的Document节点。

file_pathstr

需要解析的文件路径。

client: Any

用于执行blob分析的DocumentAnalysisClient

modelstr

用于在Azure中进行表单识别的模型名称或ID。

>>> obj = DocumentIntelligenceLoader(
...     file_path="path/to/file",
...     client=client,
...     model="prebuilt-document"
... )

Attributes

source

Methods

__init__(file_path, client[, model, headers])	使用Azure文档智能（以前称为表单识别器）初始化文件处理对象。
alazy_load()	一个用于文档的惰性加载器。
aload()	将数据加载到文档对象中。
lazy_load()	将给定路径作为页面进行延迟加载。
load()	将给定路径加载为页面。
load_and_split([text_splitter])	加载文档并分割成块。块作为文档返回。

Parameters

• file_path (str) –

• client (Any) –

• model (str) –

• headers (Optional[Dict]) –

Return type

None

__init__(file_path: str, client: Any, model: str = 'prebuilt-document', headers: Optional[Dict] = None) → None

使用Azure文档智能（以前称为表单识别器）初始化文件处理对象。

此构造函数初始化一个DocumentIntelligenceParser对象，用于使用Azure文档智能API解析文件。load方法为每个页面生成包含元数据（源blob和页码）的Document节点。

file_pathstr

需要解析的文件路径。

client: Any

用于执行blob分析的DocumentAnalysisClient

modelstr

用于在Azure中进行表单识别的模型名称或ID。

>>> obj = DocumentIntelligenceLoader(
...     file_path="path/to/file",
...     client=client,
...     model="prebuilt-document"
... )

Parameters

• file_path (str) –

• client (Any) –

• model (str) –

• headers (Optional[Dict]) –

Return type

None

async alazy_load() → AsyncIterator[Document]

一个用于文档的惰性加载器。

Return type

AsyncIterator[Document]

async aload() → List[Document]

将数据加载到文档对象中。

Return type

List[Document]

lazy_load() → Iterator[Document]

将给定路径作为页面进行延迟加载。

Return type

Iterator[Document]

load() → List[Document]

将给定路径加载为页面。

Return type

List[Document]

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]