Dedoc

Dedoc 是一个 开源的库/服务，它可以从各种格式的文件中提取文本、表格、附件和文档结构（例如，标题、列表项等）。

Dedoc 支持 DOCX, XLSX, PPTX, EML, HTML, PDF, 图片等更多格式。 完整的支持格式列表可以在 这里 找到。

安装与设置​

Dedoc 库​

你可以使用pip安装Dedoc。 在这种情况下，你需要安装依赖项， 请访问这里 获取更多信息。

pip install dedoc

Dedoc API​

如果你打算使用Dedoc API，你不需要安装dedoc库。 在这种情况下，你应该运行Dedoc服务，例如Docker容器（请参阅 文档 以获取更多详细信息）：

docker pull dedocproject/dedoc
docker run -p 1231:1231

文档加载器​

• 为了处理任何格式的文件（由Dedoc支持），您可以使用DedocFileLoader：

  from langchain_community.document_loaders import DedocFileLoader
  

• 用于处理PDF文件（无论是否有文本层），您可以使用DedocPDFLoader：

  from langchain_community.document_loaders import DedocPDFLoader
  

• 为了处理任何格式的文件而无需安装库，您可以使用Dedoc API与DedocAPIFileLoader：

  from langchain_community.document_loaders import DedocAPIFileLoader
  

请参阅使用示例以获取更多详细信息。