AmazonTextractPDF解析器#
- class langchain_community.document_loaders.parsers.pdf.AmazonTextractPDFParser(textract_features: Sequence[int] | None = None, client: Any | None = None, *, linearization_config: 'TextLinearizationConfig' | None = None)[source]#
发送PDF文件到Amazon Textract并解析它们。
为了解析多页PDF，它们必须存放在S3上。
AmazonTextractPDFLoader 调用 [Amazon Textract Service](https://aws.amazon.com/textract/) 将 PDF 转换为文档结构。 支持单页和多页文档，最多 3000 页 和 512 MB 的大小。
为了使调用成功，需要一个AWS账户， 类似于 [AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html) 的要求。
除了AWS配置外，它与其他PDF加载器非常相似，同时还支持JPEG、PNG、TIFF和非原生PDF格式。
`python from langchain_community.document_loaders import AmazonTextractPDFLoader loader=AmazonTextractPDFLoader("example_data/alejandro_rosalez_sample-small.jpeg") documents = loader.load() `一个特性是输出的线性化。 当将LAYOUT、FORMS或TABLES特性与Textract一起使用时
```python from langchain_community.document_loaders import AmazonTextractPDFLoader # 你可以混合和匹配每个功能 loader=AmazonTextractPDFLoader(
“example_data/alejandro_rosalez_sample-small.jpeg”, textract_features=[“TABLES”, “LAYOUT”])
它将生成按阅读顺序格式化文本的输出，并尝试以表格结构输出信息，或以冒号（键：值）输出键/值对。这有助于大多数LLM在处理这些文本时实现更高的准确性。
初始化解析器。
- Parameters:
textract_features (可选[序列[整数]]) – 用于提取的特征，每个特征应作为符合枚举Textract_Features的整数传递，请参阅amazon-textract-caller包
client (可选[任意类型]) – boto3 textract 客户端
linearization_config (Optional['TextLinearizationConfig']) – 用于输出线性化的配置 应该是来自 textractor 包的 TextLinearizationConfig 的实例
方法
__init__([textract_features, client, ...])初始化解析器。
lazy_parse(blob)遍历Blob页面并返回一个迭代器，每个页面对应一个Document，与其他解析器类似。如果是多页文档，blob.path必须设置为S3 URI，而对于单页文档，则使用blob.data。
parse(blob)急切地将blob解析为一个或多个文档。
- __init__(textract_features: Sequence[int] | None = None, client: Any | None = None, *, linearization_config: 'TextLinearizationConfig' | None = None) None[来源]#
初始化解析器。
- Parameters:
textract_features (可选[序列[整数]]) – 用于提取的特征，每个特征应作为符合枚举Textract_Features的整数传递，请参阅amazon-textract-caller包
client (可选[任意类型]) – boto3 textract 客户端
linearization_config (Optional['TextLinearizationConfig']) – 用于输出线性化的配置 应该是来自 textractor 包的 TextLinearizationConfig 的实例
- Return type:
无