langchain_community.document_loaders.pdf.PDFMinerLoader

class langchain_community.document_loaders.pdf.PDFMinerLoader(file_path: str, *, headers: Optional[Dict] = None, extract_images: bool = False, concatenate_pages: bool = True)

使用`PDFMiner`加载`PDF`文件。

使用文件路径进行初始化。

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。

Attributes

source

Methods

__init__(file_path, *[, headers, ...])	使用文件路径进行初始化。
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()	懒加载文档。
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 (str) –

• headers (Optional[Dict]) –

• extract_images (bool) –

• concatenate_pages (bool) –

Return type

None

__init__(file_path: str, *, headers: Optional[Dict] = None, extract_images: bool = False, concatenate_pages: bool = True) → None

使用文件路径进行初始化。

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

• file_path (str) –

• headers (Optional[Dict]) –

• extract_images (bool) –

• concatenate_pages (bool) –

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]

懒加载文档。

Return type

Iterator[Document]

load() → List[Document]

将数据加载到文档对象中。

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]

Examples using PDFMinerLoader

• PDF