ZeroxPDFLoader#

class langchain_community.document_loaders.pdf.ZeroxPDFLoader(file_path: str | Path, model: str = 'gpt-4o-mini', **zerox_kwargs: Any)[来源]#

使用Zerox库的文档加载器： getomni-ai/zerox

Zerox 将 PDF 文档转换为一系列图像（按页），并使用具备视觉能力的大型语言模型（LLM）生成 Markdown 表示。

Zerox 使用异步操作。因此，在 Jupyter Notebook（或任何运行异步的环境）中使用此加载器时，您需要： ```python

导入nest_asyncio nest_asyncio.apply()

```

使用文件路径进行初始化。

Parameters:

  • file_path (str | Path) – 可以是本地、S3 或网页路径指向的 PDF 文件。

  • headers – 用于从网络路径下载文件的GET请求的头部信息。

  • model (str)

  • zerox_kwargs (Any)

属性

source

方法

__init__(file_path[, model])

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()

从pdf加载文档，使用zerox库：getomni-ai/zerox

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。
__init__(file_path: str | Path, model: str = 'gpt-4o-mini', **zerox_kwargs: Any) → None[source]#

使用文件路径进行初始化。

Parameters:

  • file_path (str | Path) – 可以是本地、S3 或网页路径指向的 PDF 文件。

  • headers – 用于从网络路径下载文件的GET请求的头部信息。

  • model (str)

  • zerox_kwargs (Any)

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]#

利用zerox库从pdf加载文档： getomni-ai/zerox

Returns:

一个遍历已解析的Document实例的迭代器。

Return type:

迭代器[Document]

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]