PyPDFDirectoryLoader#

class langchain_community.document_loaders.pdf.PyPDFDirectoryLoader(path: str | Path, glob: str = '**/[!.]*.pdf', silent_errors: bool = False, load_hidden: bool = False, recursive: bool = False, extract_images: bool = False)[source]#

使用pypdf加载包含PDF文件的目录，并在字符级别进行分块。

Loader 还将页码存储在元数据中。

方法

__init__(path[, glob, silent_errors, ...])

alazy_load()

一个用于文档的懒加载器。

aload()

将数据加载到Document对象中。

lazy_load()

一个用于文档的懒加载器。

load()

将数据加载到Document对象中。

load_and_split([text_splitter])

加载文档并将其分割成块。
Parameters:

  • 路径 (字符串 | 路径)

  • glob (str)

  • silent_errors (bool)

  • load_hidden (bool)

  • recursive (bool)

  • extract_images (bool)

__init__(path: str | Path, glob: str = '**/[!.]*.pdf', silent_errors: bool = False, load_hidden: bool = False, recursive: bool = False, extract_images: bool = False)[来源]#
Parameters:

  • 路径 (字符串 | 路径)

  • glob (str)

  • silent_errors (bool)

  • load_hidden (bool)

  • recursive (bool)

  • extract_images (bool)

async alazy_load() → AsyncIterator[Document]#

文档的懒加载器。

Return type:

AsyncIterator[Document]

async aload() → list[Document]#

将数据加载到Document对象中。

Return type:

列表[Document]

lazy_load() → Iterator[Document]#

文档的懒加载器。

Return type:

迭代器[文档]

load() → List[Document][source]#

将数据加载到Document对象中。

Return type:

列表[文档]

load_and_split(text_splitter: TextSplitter | None = None) → list[Document]#

加载文档并将其分割成块。块以文档形式返回。

不要重写此方法。它应该被视为已弃用！

Parameters:

text_splitter (可选[TextSplitter]) – 用于分割文档的TextSplitter实例。 默认为RecursiveCharacterTextSplitter。

Returns:

文档列表。

Return type:

列表[Document]

使用 PyPDFDirectoryLoader 的示例