LLMSherpa文件加载器#

class langchain_community.document_loaders.llmsherpa.LLMSherpaFileLoader(file_path: str | Path, new_indent_parser: bool = True, apply_ocr: bool = True, strategy: str = 'chunks', llmsherpa_api_url: str = 'https://readers.llmsherpa.com/api/document/developer/parseDocument?renderFormat=all')[source]#

使用LLMSherpa加载文档。

LLMSherpaFileLoader 使用 LayoutPDFReader，这是 LLMSherpa 库的一部分。该工具旨在解析 PDF 文件，同时保留其布局信息，在使用大多数 PDF 到文本解析器时，这些信息通常会丢失。

示例

从langchain_community.document_loaders.llmsherpa导入LLMSherpaFileLoader

loader = LLMSherpaFileLoader(: “example.pdf”, strategy=”chunks”, llmsherpa_api_url=”http://localhost:5010/api/parseDocument?renderFormat=all”,

) docs = loader.load()

使用文件路径进行初始化。

方法

`__init__`(file_path[, new_indent_parser, ...])	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 (str | Path)
new_indent_parser (bool)
apply_ocr (bool)
strategy (str)
llmsherpa_api_url (str)

__init__(file_path: str | Path, new_indent_parser: bool = True, apply_ocr: bool = True, strategy: str = 'chunks', llmsherpa_api_url: str = 'https://readers.llmsherpa.com/api/document/developer/parseDocument?renderFormat=all')[来源]#

使用文件路径进行初始化。

Parameters:

file_path (str | Path)
new_indent_parser (bool)
apply_ocr (bool)
strategy (str)
llmsherpa_api_url (str)

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]#

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]

使用 LLMSherpaFileLoader 的示例

LLM Sherpa