MathpixPDFLoader#

class langchain_community.document_loaders.pdf.MathpixPDFLoader(file_path: str, processed_file_format: str = 'md', max_wait_time_seconds: int = 500, should_clean_pdf: bool = False, extra_request_data: Dict[str, Any] | None = None, **kwargs: Any)[来源]#

使用Mathpix服务加载PDF文件。

使用文件路径进行初始化。

Parameters:

  • file_path (str) – 用于加载的文件。

  • processed_file_format (str) – 处理文件的格式。默认为“md”。

  • max_wait_time_seconds (int) – 等待服务器响应的最长时间。默认值为500。

  • should_clean_pdf (bool) – 一个用于清理PDF文件的标志。默认值为False。

  • extra_request_data (Dict[str, Any] | None) – 额外的请求数据。

  • **kwargs (Any) – 额外的关键字参数。

属性

data

source

url

方法

__init__(file_path[, processed_file_format, ...])

使用文件路径进行初始化。

alazy_load()

文档的懒加载器。

aload()

将数据加载到Document对象中。

clean_pdf(contents)

清理PDF文件。

get_processed_pdf(pdf_id)

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。

send_pdf()

wait_for_processing(pdf_id)

等待处理完成。
__init__(file_path: str, processed_file_format: str = 'md', max_wait_time_seconds: int = 500, should_clean_pdf: bool = False, extra_request_data: Dict[str, Any] | None = None, **kwargs: Any) → None[source]#

使用文件路径进行初始化。

Parameters:

  • file_path (str) – 用于加载的文件。

  • processed_file_format (str) – 处理文件的格式。默认为“md”。

  • max_wait_time_seconds (int) – 等待服务器响应的最长时间。默认值为500。

  • should_clean_pdf (bool) – 一个用于清理PDF文件的标志。默认值为False。

  • extra_request_data (Dict[str, Any] | None) – 额外的请求数据。

  • **kwargs (Any) – 额外的关键字参数。

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]

static clean_pdf(contents: str) → str[source]#

清理PDF文件。

Parameters:

内容 (str) – 一个PDF文件的内容。

Return type:

字符串

返回：

get_processed_pdf(pdf_id: str) → str[source]#
Parameters:

pdf_id (str)

Return type:

字符串

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]

send_pdf() → str[source]#
Return type:

字符串

wait_for_processing(pdf_id: str) → None[source]#

等待处理完成。

Parameters:

pdf_id (str) – 一个PDF的ID。

Return type:

无

返回：无

使用 MathpixPDFLoader 的示例