langchain_text_splitters.spacy
.SpacyTextSplitter¶
- class langchain_text_splitters.spacy.SpacyTextSplitter(separator: str = '\n\n', pipeline: str = 'en_core_web_sm', max_length: int = 1000000, **kwargs: Any)[source]¶
使用Spacy包来分割文本。
默认情况下,使用Spacy的`en_core_web_sm`模型, 其默认的max_length为1000000(这是该模型所能处理的最大字符长度,对于大文件可以增加)。 为了更快速但可能不太准确地分割文本,可以使用`pipeline=’sentencizer’`。
初始化spacy文本分割器。
Methods
__init__
([separator, pipeline, max_length])初始化spacy文本分割器。
atransform_documents
(documents, **kwargs)异步转换文档列表。
create_documents
(texts[, metadatas])从文本列表中创建文档。
from_huggingface_tokenizer
(tokenizer, **kwargs)使用HuggingFace分词器进行文本拆分以计算长度。
from_tiktoken_encoder
([encoding_name, ...])使用tiktoken编码器来计算长度的文本分割器。
split_documents
(documents)分割文档。
split_text
(text)分割输入的文本并返回各个部分。
transform_documents
(documents, **kwargs)将文档序列通过拆分进行转换。
- Parameters
separator (str) –
pipeline (str) –
max_length (int) –
kwargs (Any) –
- Return type
None
- __init__(separator: str = '\n\n', pipeline: str = 'en_core_web_sm', max_length: int = 1000000, **kwargs: Any) None [source]¶
初始化spacy文本分割器。
- Parameters
separator (str) –
pipeline (str) –
max_length (int) –
kwargs (Any) –
- Return type
None
- async atransform_documents(documents: Sequence[Document], **kwargs: Any) Sequence[Document] ¶
异步转换文档列表。
- 参数:
documents:要转换的文档序列。
- 返回:
转换后的文档列表。
- create_documents(texts: List[str], metadatas: Optional[List[dict]] = None) List[Document] ¶
从文本列表中创建文档。
- Parameters
texts (List[str]) –
metadatas (Optional[List[dict]]) –
- Return type
List[Document]
- classmethod from_huggingface_tokenizer(tokenizer: Any, **kwargs: Any) TextSplitter ¶
使用HuggingFace分词器进行文本拆分以计算长度。
- Parameters
tokenizer (Any) –
kwargs (Any) –
- Return type
- classmethod from_tiktoken_encoder(encoding_name: str = 'gpt2', model_name: Optional[str] = None, allowed_special: Union[Literal['all'], AbstractSet[str]] = {}, disallowed_special: Union[Literal['all'], Collection[str]] = 'all', **kwargs: Any) TS ¶
使用tiktoken编码器来计算长度的文本分割器。
- Parameters
encoding_name (str) –
model_name (Optional[str]) –
allowed_special (Union[Literal['all'], AbstractSet[str]]) –
disallowed_special (Union[Literal['all'], Collection[str]]) –
kwargs (Any) –
- Return type
TS