Skip to main content
Open In ColabOpen on GitHub

UnstructuredMarkdownLoader

本笔记本提供了快速入门UnstructuredMarkdown 文档加载器的概述。有关所有__ModuleName__Loader功能和配置的详细文档，请前往API参考。

概述​

集成详情​

类包本地可序列化JS支持
UnstructuredMarkdownLoaderlangchain_community❌❌✅

加载器特性​

来源文档懒加载原生异步支持
UnstructuredMarkdownLoader✅❌

设置​

要访问UnstructuredMarkdownLoader文档加载器，您需要安装langchain-community集成包和unstructured python包。

凭证​

使用此加载器不需要任何凭据。

如果你想获得自动化的最佳模型调用跟踪，你也可以通过取消注释以下内容来设置你的LangSmith API密钥：

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装​

安装 langchain_community 和 unstructured

%pip install -qU langchain_community unstructured

初始化​

现在我们可以实例化我们的模型对象并加载文档。

您可以在两种模式之一中运行加载器："single"和"elements"。如果使用"single"模式，文档将作为单个Document对象返回。如果使用"elements"模式，非结构化库将文档拆分为诸如Title和NarrativeText等元素。您可以在模式后传入额外的unstructured kwargs以应用不同的unstructured设置。

from langchain_community.document_loaders import UnstructuredMarkdownLoader

loader = UnstructuredMarkdownLoader(
    "./example_data/example.md",
    mode="single",
    strategy="fast",
)

加载​

docs = loader.load()
docs[0]
Document(metadata={'source': './example_data/example.md'}, page_content='Sample Markdown Document\n\nIntroduction\n\nWelcome to this sample Markdown document. Markdown is a lightweight markup language used for formatting text. It\'s widely used for documentation, readme files, and more.\n\nFeatures\n\nHeaders\n\nMarkdown supports multiple levels of headers:\n\nHeader 1: # Header 1\n\nHeader 2: ## Header 2\n\nHeader 3: ### Header 3\n\nLists\n\nUnordered List\n\nItem 1\n\nItem 2\n\nSubitem 2.1\n\nSubitem 2.2\n\nOrdered List\n\nFirst item\n\nSecond item\n\nThird item\n\nLinks\n\nOpenAI is an AI research organization.\n\nImages\n\nHere\'s an example image:\n\nCode\n\nInline Code\n\nUse code for inline code snippets.\n\nCode Block\n\n\`\`\`python def greet(name): return f"Hello, {name}!"\n\nprint(greet("World")) \`\`\`')
print(docs[0].metadata)
{'source': './example_data/example.md'}

懒加载​

page = []
for doc in loader.lazy_load():
    page.append(doc)
    if len(page) >= 10:
        # do some paged operation, e.g.
        # index.upsert(page)

        page = []
page[0]
Document(metadata={'source': './example_data/example.md', 'link_texts': ['OpenAI'], 'link_urls': ['https://www.openai.com'], 'last_modified': '2024-08-14T15:04:18', 'languages': ['eng'], 'parent_id': 'de1f74bf226224377ab4d8b54f215bb9', 'filetype': 'text/markdown', 'file_directory': './example_data', 'filename': 'example.md', 'category': 'NarrativeText', 'element_id': '898a542a261f7dc65e0072d1e847d535'}, page_content='OpenAI is an AI research organization.')

加载元素​

在这个例子中，我们将加载elements模式，该模式将返回markdown文档中不同元素的列表：

from langchain_community.document_loaders import UnstructuredMarkdownLoader

loader = UnstructuredMarkdownLoader(
    "./example_data/example.md",
    mode="elements",
    strategy="fast",
)

docs = loader.load()
len(docs)
29

如你所见，有29个元素是从example.md文件中提取的。第一个元素是文档的标题，正如预期的那样：

docs[0].page_content
'Sample Markdown Document'

API 参考​

有关所有UnstructuredMarkdownLoader功能和配置的详细文档，请访问API参考：https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.markdown.UnstructuredMarkdownLoader.html

这个页面有帮助吗？