非结构化文件加载器#

class langchain_community.document_loaders.unstructured.UnstructuredFileLoader(file_path: str | List[str] | Path | List[Path], *, mode: str = 'single', **unstructured_kwargs: Any)[source]#

自版本0.2.8起已弃用：请改用:class:`~langchain_unstructured.UnstructuredLoader`。在langchain-community==1.0之前不会移除。

使用Unstructured加载文件。

文件加载器使用非结构化分区函数，并会自动检测文件类型。您可以在不同的模式下运行加载器：“single”、“elements”和“paged”。默认的“single”模式将返回一个单一的langchain Document对象。如果您使用“elements”模式，非结构化库将文档拆分为诸如标题和叙述文本等元素，并将它们作为单独的langchain Document对象返回。除了这些后处理模式（特定于LangChain加载器），Unstructured还有自己的“chunking”参数，用于将后处理元素拆分为更有用的块，适用于诸如检索增强生成（RAG）等用例。您可以传入额外的非结构化kwargs来配置不同的非结构化设置。

示例

从 langchain_community.document_loaders 导入 UnstructuredFileLoader

loader = UnstructuredFileLoader(

“example.pdf”, mode=”elements”, strategy=”fast”,

) docs = loader.load()

参考文献

https://docs.unstructured.io/open-source/core-functionality/partitioning https://docs.unstructured.io/open-source/core-functionality/chunking

使用文件路径进行初始化。

方法

__init__(file_path, *[, mode])

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()

加载文件。

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 (Union[str, List[str], Path, List[Path]])

  • mode (str)

  • unstructured_kwargs (Any)

__init__(file_path: str | List[str] | Path | List[Path], *, mode: str = 'single', **unstructured_kwargs: Any)[source]#

使用文件路径进行初始化。

Parameters:

  • file_path (str | List[str] | Path | List[Path])

  • mode (str)

  • unstructured_kwargs (Any)

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]#

加载文件。

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]