File
CSVReader #
Bases: BaseReader
CSV解析器。
Source code in llama_index/readers/file/tabular/base.py
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 |
|
load_data #
load_data(
file: Path, extra_info: Optional[Dict] = None
) -> List[Document]
解析文件。
返回: Union[str, List[str]]: 一个字符串或字符串列表。
Source code in llama_index/readers/file/tabular/base.py
29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 |
|
DocxReader #
Bases: BaseReader
文档解析器。
Source code in llama_index/readers/file/docs/base.py
100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/docs/base.py
103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 |
|
EpubReader #
Bases: BaseReader
Epub解析器。
Source code in llama_index/readers/file/epub/base.py
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/epub/base.py
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 |
|
FlatReader #
Bases: BaseReader
平面阅读器。
从文件中提取原始文本,并将文件类型保存在元数据中。
Source code in llama_index/readers/file/flat/base.py
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 |
|
load_data #
load_data(
file: Path, extra_info: Optional[Dict] = None
) -> List[Document]
将文件解析为字符串。
Source code in llama_index/readers/file/flat/base.py
22 23 24 25 26 27 28 29 30 31 32 |
|
HTMLTagReader #
Bases: BaseReader
读取HTML文件,并使用BeautifulSoup从特定标签中提取文本。
默认情况下,从<section>
标签中读取文本。
Source code in llama_index/readers/file/html/base.py
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 |
|
HWPReader #
Bases: BaseReader
Hwp 解析器。
Source code in llama_index/readers/file/docs/base.py
133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
加载数据并从Hwp文件中提取表格。
Returns:
Type | Description |
---|---|
List[Document]
|
List[Document] |
Source code in llama_index/readers/file/docs/base.py
145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 |
|
IPYNBReader #
Bases: BaseReader
图像解析器。
Source code in llama_index/readers/file/ipynb/base.py
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/ipynb/base.py
22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 |
|
ImageCaptionReader #
Bases: BaseReader
图像解析器。
使用Blip对图像进行标题。
Source code in llama_index/readers/file/image_caption/base.py
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 |
|
load_data #
load_data(
file: Path, extra_info: Optional[Dict] = None
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/image_caption/base.py
56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 |
|
ImageReader #
Bases: BaseReader
图像解析器。
使用DONUT或pytesseract从图像中提取文本。
Source code in llama_index/readers/file/image/base.py
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/image/base.py
70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 |
|
ImageTabularChartReader #
Bases: BaseReader
图像解析器。
从图表或图形中提取表格数据。
Source code in llama_index/readers/file/image_deplot/base.py
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 |
|
load_data #
load_data(
file: Path, extra_info: Optional[Dict] = None
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/image_deplot/base.py
54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 |
|
ImageVisionLLMReader #
Bases: BaseReader
图像解析器。
使用Blip2(类似于GPT4的多模态VisionLLM)对图像进行标题。
Source code in llama_index/readers/file/image_vision_llm/base.py
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 |
|
load_data #
load_data(
file: Path, extra_info: Optional[Dict] = None
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/image_vision_llm/base.py
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 |
|
MarkdownReader #
Bases: BaseReader
Markdown解析器。
从markdown文件中提取文本。#
返回一个字典,其中键为标题,值为标题之间的文本。#
Source code in llama_index/readers/file/markdown/base.py
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 |
|
markdown_to_tups #
markdown_to_tups(
markdown_text: str,
) -> List[Tuple[Optional[str], str]]
将一个markdown文件转换成一个字典。
键是标题,值是每个标题下的文本。
Source code in llama_index/readers/file/markdown/base.py
34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 |
|
remove_images #
remove_images(content: str) -> str
在markdown内容中删除图片。
Source code in llama_index/readers/file/markdown/base.py
74 75 76 77 |
|
remove_hyperlinks #
remove_hyperlinks(content: str) -> str
在markdown内容中删除超链接。
Source code in llama_index/readers/file/markdown/base.py
79 80 81 82 |
|
parse_tups #
parse_tups(
filepath: Path,
errors: str = "ignore",
fs: Optional[AbstractFileSystem] = None,
) -> List[Tuple[Optional[str], str]]
将文件解析为元组。
Source code in llama_index/readers/file/markdown/base.py
88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
将文件解析为字符串。
Source code in llama_index/readers/file/markdown/base.py
104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 |
|
MboxReader #
Bases: BaseReader
Mbox解析器。
从邮箱文件中提取消息。 返回包括日期、主题、发件人、收件人和内容的字符串,针对每条消息。
Source code in llama_index/readers/file/mbox/base.py
18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
将文件解析为字符串。
Source code in llama_index/readers/file/mbox/base.py
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 |
|
PDFReader #
Bases: BaseReader
PDF解析器。
Source code in llama_index/readers/file/docs/base.py
27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/docs/base.py
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 |
|
PagedCSVReader #
Bases: BaseReader
分页的CSV解析器。
在单独的文档中以LLM友好的格式显示每一行。#
Args:#
# encoding (str): 用于打开文件的编码。
# 默认为utf-8。
Source code in llama_index/readers/file/paged_csv/base.py
14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
delimiter: str = ",",
quotechar: str = '"',
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/paged_csv/base.py
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 |
|
PandasCSVReader #
Bases: BaseReader
基于Pandas的CSV解析器。
使用Pandas的read_csv
函数进行分隔符检测来解析CSV文件。
如果需要特殊参数,可以使用pandas_config
字典。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
concat_rows |
bool
|
是否将所有行连接成一个文档。 如果设置为False,将为每一行创建一个文档。 默认为True。 |
True
|
col_joiner |
str
|
用于连接每行列的分隔符。 默认设置为", "。 |
', '
|
row_joiner |
str
|
用于连接每行的分隔符。
仅在 |
'\n'
|
pandas_config |
dict
|
用于 |
{}
|
Source code in llama_index/readers/file/tabular/base.py
57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/tabular/base.py
96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 |
|
PptxReader #
Bases: BaseReader
Powerpoint解析器。
提取文本,标题图像,并指定幻灯片。
Source code in llama_index/readers/file/slides/base.py
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 |
|
caption_image #
caption_image(tmp_image_file: str) -> str
生成图像的文本描述。
Source code in llama_index/readers/file/slides/base.py
56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/slides/base.py
85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 |
|
PyMuPDFReader #
Bases: BaseReader
使用PyMuPDF库读取PDF文件。
Source code in llama_index/readers/file/pymu_pdf/base.py
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 |
|
load_data #
load_data(
file_path: Union[Path, str],
metadata: bool = True,
extra_info: Optional[Dict] = None,
) -> List[Document]
从PDF文件中加载文档列表,并接受字典格式的额外信息。
Source code in llama_index/readers/file/pymu_pdf/base.py
13 14 15 16 17 18 19 20 |
|
load #
load(
file_path: Union[Path, str],
metadata: bool = True,
extra_info: Optional[Dict] = None,
) -> List[Document]
从PDF文件中加载文档列表,并接受字典格式的额外信息。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
file_path |
Union[Path, str]
|
PDF文件的文件路径(接受字符串或Path)。 |
required |
metadata |
bool
|
是否包含元数据。默认为True。 |
True
|
extra_info |
Optional[Dict]
|
每个文档相关的额外信息,以字典格式提供。默认为None。 |
None
|
Raises:
Type | Description |
---|---|
TypeError
|
如果extra_info不是字典。 |
TypeError
|
如果file_path不是字符串或Path。 |
Returns:
Type | Description |
---|---|
List[Document]
|
List[Document]: 文档列表。 |
Source code in llama_index/readers/file/pymu_pdf/base.py
22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 |
|
RTFReader #
Bases: BaseReader
RTF(富文本格式)阅读器。读取rtf文件并转换为文档。
Source code in llama_index/readers/file/rtf/base.py
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 |
|
load_data #
load_data(
input_file: Union[Path, str],
extra_info=Dict[str, Any],
**load_kwargs: Any
) -> List[Document]
从RTF文件中加载数据。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
input_file |
Path | str
|
RTF文件的路径。 |
required |
extra_info |
Dict[str, Any]
|
RTF文件的额外信息。 |
Dict[str, Any]
|
Returns:
Type | Description |
---|---|
List[Document]
|
List[Document]: 文档列表。 |
Source code in llama_index/readers/file/rtf/base.py
12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 |
|
UnstructuredReader #
Bases: BaseReader
用于各种文件的通用非结构化文本阅读器。
Source code in llama_index/readers/file/unstructured/base.py
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
split_documents: Optional[bool] = False,
) -> List[Document]
如果设置了api,则解析api。
Source code in llama_index/readers/file/unstructured/base.py
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 |
|
VideoAudioReader #
Bases: BaseReader
视频音频解析器。
从视频/音频文件的转录中提取文本。
Source code in llama_index/readers/file/video_audio/base.py
18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 |
|
load_data #
load_data(
file: Path,
extra_info: Optional[Dict] = None,
fs: Optional[AbstractFileSystem] = None,
) -> List[Document]
解析文件。
Source code in llama_index/readers/file/video_audio/base.py
41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 |
|
XMLReader #
Bases: BaseReader
XML阅读器。
读取XML文档,并提供选项来帮助查找节点之间的关系。
Source code in llama_index/readers/file/xml/base.py
37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 |
|
load_data #
load_data(
file: Path, extra_info: Optional[Dict] = None
) -> List[Document]
从输入文件中加载数据。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
file |
Path
|
输入文件的路径。 |
required |
extra_info |
Optional[Dict]
|
额外信息。默认值为None。 |
None
|
Returns:
Type | Description |
---|---|
List[Document]
|
List[Document]: 文档列表。 |
Source code in llama_index/readers/file/xml/base.py
73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 |
|