PyPDFLoader#

class langchain_community.document_loaders.pdf.PyPDFLoader(file_path: str, password: str | bytes | None = None, headers: Dict | None = None, extract_images: bool = False, *, extraction_mode: str = 'plain', extraction_kwargs: Dict | None = None)[source]#

PyPDFLoader 文档加载器集成

Setup:

安装 langchain-community。

pip install -U langchain-community

Instantiate:

from langchain_community.document_loaders import PyPDFLoader

loader = PyPDFLoader(
    file_path = "./example_data/layout-parser-paper.pdf",
    password = "my-password",
    extract_images = True,
    # headers = None
    # extraction_mode = "plain",
    # extraction_kwargs = None,
)

Lazy load:

docs = []
docs_lazy = loader.lazy_load()

# async variant:
# docs_lazy = await loader.alazy_load()

for doc in docs_lazy:
    docs.append(doc)
print(docs[0].page_content[:100])
print(docs[0].metadata)

LayoutParser : A Uniﬁed Toolkit for Deep
Learning Based Document Image Analysis
Zejiang Shen1( ), R
{'source': './example_data/layout-parser-paper.pdf', 'page': 0}

Async load:

docs = await loader.aload()
print(docs[0].page_content[:100])
print(docs[0].metadata)

LayoutParser : A Uniﬁed Toolkit for Deep
Learning Based Document Image Analysis
Zejiang Shen1( ), R
{'source': './example_data/layout-parser-paper.pdf', 'page': 0}

使用文件路径进行初始化。

属性

source

方法

`__init__`(file_path[, password, headers, ...])	使用文件路径进行初始化。
`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`()	懒加载给定路径作为页面。
`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:

file_path (str)
password (str | bytes | None)
headers (Dict | None)
extract_images (bool)
extraction_mode (str)
extraction_kwargs (Dict | None)

__init__(file_path: str, password: str | bytes | None = None, headers: Dict | None = None, extract_images: bool = False, *, extraction_mode: str = 'plain', extraction_kwargs: Dict | None = None) → None[source]#

使用文件路径进行初始化。

Parameters:

file_path (str)
password (str | bytes | None)
headers (Dict | None)
extract_images (bool)
extraction_mode (str)
extraction_kwargs (Dict | None)

Return type:

无

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][source]#

懒加载给定路径作为页面。

Return type:: 迭代器[文档]

load() → list[Document]#

将数据加载到Document对象中。

Return type:: 列表[Document]

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 PyPDFLoader 的示例