langchain_community.document_loaders.rss
.RSSFeedLoader¶
- class langchain_community.document_loaders.rss.RSSFeedLoader(urls: Optional[Sequence[str]] = None, opml: Optional[str] = None, continue_on_failure: bool = True, show_progress_bar: bool = False, **newsloader_kwargs: Any)[source]¶
从`RSS`源使用`Unstructured`加载新闻文章。
- Parameters
urls (Optional[Sequence[str]]) – 要加载的RSS源的URL。每个源中的文章都加载到自己的文档中。
opml (Optional[str]) – 从中加载源URL的OPML文件。应提供urls或opml中的一个。该值可以是URL字符串,也可以是字节或字符串形式的OPML标记内容。
continue_on_failure (bool) – 如果为True,则即使对特定URL加载失败,也会继续加载文档。
show_progress_bar (bool) – 如果为True,则使用tqdm显示加载进度条。需要安装tqdm,
pip install tqdm
。**newsloader_kwargs – 要传递给NewsURLLoader的任何其他命名参数。
newsloader_kwargs (Any) –
- Return type
None
Example
from langchain_community.document_loaders import RSSFeedLoader loader = RSSFeedLoader( urls=["<url-1>", "<url-2>"], ) docs = loader.load()
该加载器使用feedparser来解析RSS源。feedparser库默认未安装,因此如果使用此加载器,应安装它: https://pythonhosted.org/feedparser/
如果使用OPML,还应安装listparser: https://pythonhosted.org/listparser/
最后,使用newspaper来处理每篇文章: https://newspaper.readthedocs.io/en/latest/
使用URL或OPML进行初始化。
Methods
__init__
([urls, opml, continue_on_failure, ...])使用URL或OPML进行初始化。
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。
- __init__(urls: Optional[Sequence[str]] = None, opml: Optional[str] = None, continue_on_failure: bool = True, show_progress_bar: bool = False, **newsloader_kwargs: Any) None [source]¶
使用URL或OPML进行初始化。
- Parameters
urls (Optional[Sequence[str]]) –
opml (Optional[str]) –
continue_on_failure (bool) –
show_progress_bar (bool) –
newsloader_kwargs (Any) –
- Return type
None
- 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]