langchain_community.document_loaders.pdf.UnstructuredPDFLoader

class langchain_community.document_loaders.pdf.UnstructuredPDFLoader(file_path: Optional[Union[str, List[str], Path, List[Path]]], mode: str = 'single', **unstructured_kwargs: Any)

使用`Unstructured`加载`PDF`文件。

您可以在两种模式中的一种中运行加载程序：”single”和”elements”。 如果使用”single”模式，文档将作为单个langchain Document对象返回。 如果使用”elements”模式，unstructured库将文档拆分为诸如Title和NarrativeText之类的元素。 您可以在模式之后传递额外的unstructured kwargs以应用不同的unstructured设置。

from langchain_community.document_loaders import UnstructuredPDFLoader

loader = UnstructuredPDFLoader(

“example.pdf”, mode=”elements”, strategy=”fast”,

) docs = loader.load()

https://unstructured-io.github.io/unstructured/bricks.html#partition-pdf

使用文件路径进行初始化。

Methods

__init__(file_path[, mode])	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()	加载文件。
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 (Optional[Union[str, List[str], Path, List[Path]]]) –

• mode (str) –

• unstructured_kwargs (Any) –

__init__(file_path: Optional[Union[str, List[str], Path, List[Path]]], mode: str = 'single', **unstructured_kwargs: Any)

使用文件路径进行初始化。

Parameters

• file_path (Optional[Union[str, List[str], Path, List[Path]]]) –

• mode (str) –

• unstructured_kwargs (Any) –

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]

加载文件。

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 UnstructuredPDFLoader

• PDF

• Unstructured