langchain_community.document_loaders.readthedocs
.ReadTheDocsLoader¶
- class langchain_community.document_loaders.readthedocs.ReadTheDocsLoader(path: Union[str, Path], encoding: Optional[str] = None, errors: Optional[str] = None, custom_html_tag: Optional[Tuple[str, dict]] = None, patterns: Sequence[str] = ('*.htm', '*.html'), exclude_links_ratio: float = 1.0, **kwargs: Optional[Any])[source]¶
加载`ReadTheDocs`文档目录。
初始化ReadTheDocsLoader
加载器循环遍历`path`下的所有文件,并通过检索主要的html标签来提取文件的实际内容。默认的主要html标签包括`<main id=”main-content>`、<div role=”main>`和`<article role=”main>。您还可以通过传递custom_html_tag来定义自己的html标签,例如`(“div”, “class=main”)`。加载器按照自定义html标签(如果存在)和默认html标签的顺序迭代html标签。如果任何标签不为空,则循环将中断并从该标签中检索内容。
- 参数:
path:pulled readthedocs文件夹的位置。 encoding:打开文档时要使用的编码。 errors:指定如何处理编码和解码错误—不能在二进制模式下使用。 custom_html_tag:可选的自定义html标签,用于从文件中检索内容。 patterns:要加载的文件模式,传递给`glob.rglob`。 exclude_links_ratio:链接:内容的比率,用于排除页面。这是为了减少索引页面进入检索结果的频率。建议值:0.5 kwargs:传递给`bs4.BeautifulSoup`的命名参数。
Methods
__init__
(path[, encoding, errors, ...])初始化ReadTheDocsLoader
一个用于文档的惰性加载器。
aload
()将数据加载到文档对象中。
一个用于文档的惰性加载器。
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
path (Union[str, Path]) –
encoding (Optional[str]) –
errors (Optional[str]) –
custom_html_tag (Optional[Tuple[str, dict]]) –
patterns (Sequence[str]) –
exclude_links_ratio (float) –
kwargs (Optional[Any]) –
- __init__(path: Union[str, Path], encoding: Optional[str] = None, errors: Optional[str] = None, custom_html_tag: Optional[Tuple[str, dict]] = None, patterns: Sequence[str] = ('*.htm', '*.html'), exclude_links_ratio: float = 1.0, **kwargs: Optional[Any])[source]¶
初始化ReadTheDocsLoader
加载器循环遍历`path`下的所有文件,并通过检索主要的html标签来提取文件的实际内容。默认的主要html标签包括`<main id=”main-content>`、<div role=”main>`和`<article role=”main>。您还可以通过传递custom_html_tag来定义自己的html标签,例如`(“div”, “class=main”)`。加载器按照自定义html标签(如果存在)和默认html标签的顺序迭代html标签。如果任何标签不为空,则循环将中断并从该标签中检索内容。
- 参数:
path:pulled readthedocs文件夹的位置。 encoding:打开文档时要使用的编码。 errors:指定如何处理编码和解码错误—不能在二进制模式下使用。 custom_html_tag:可选的自定义html标签,用于从文件中检索内容。 patterns:要加载的文件模式,传递给`glob.rglob`。 exclude_links_ratio:链接:内容的比率,用于排除页面。这是为了减少索引页面进入检索结果的频率。建议值:0.5 kwargs:传递给`bs4.BeautifulSoup`的命名参数。
- Parameters
path (Union[str, Path]) –
encoding (Optional[str]) –
errors (Optional[str]) –
custom_html_tag (Optional[Tuple[str, dict]]) –
patterns (Sequence[str]) –
exclude_links_ratio (float) –
kwargs (Optional[Any]) –
- 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]