Grobid解析器

class langchain_community.document_loaders.parsers.grobid.GrobidParser(segment_sentences: bool, grobid_server: str = 'http://localhost:8070/api/processFulltextDocument')

使用Grobid加载文章PDF文件。

方法

__init__(segment_sentences[, grobid_server])
lazy_parse(blob)	懒解析接口。
parse(blob)	急切地将blob解析为一个或多个文档。
process_xml(file_path, xml_data, ...)	处理来自Grobin的XML文件。

Parameters:

• segment_sentences (bool)

• grobid_server (str)

__init__(segment_sentences: bool, grobid_server: str = 'http://localhost:8070/api/processFulltextDocument') → None

Parameters:

• segment_sentences (bool)

• grobid_server (str)

Return type:

无

lazy_parse(blob: Blob) → Iterator[Document]

惰性解析接口。

子类需要实现这个方法。

Parameters:

blob (Blob) – Blob 实例

Returns:

文档生成器

Return type:

迭代器[文档]

parse(blob: Blob) → list[Document]

急切地将blob解析为一个或多个文档。

这是一个用于交互式开发环境的便捷方法。

生产应用程序应优先使用lazy_parse方法。

子类通常不应重写此解析方法。

Parameters:

blob (Blob) – Blob 实例

Returns:

文档列表

Return type:

列表[Document]

process_xml(file_path: str, xml_data: str, segment_sentences: bool) → Iterator[Document]

处理来自Grobin的XML文件。

Parameters:

• file_path (str)

• xml_data (str)

• segment_sentences (bool)

Return type:

迭代器[文档]

使用 GrobidParser 的示例

• Grobid