langchain_community.document_loaders.async_html.AsyncHtmlLoader

class langchain_community.document_loaders.async_html.AsyncHtmlLoader(web_path: Union[str, List[str]], header_template: Optional[dict] = None, verify_ssl: Optional[bool] = True, proxies: Optional[dict] = None, autoset_encoding: bool = True, encoding: Optional[str] = None, default_parser: str = 'html.parser', requests_per_second: int = 2, requests_kwargs: Optional[Dict[str, Any]] = None, raise_for_status: bool = False, ignore_load_errors: bool = False, *, preserve_order: bool = True, trust_env: bool = False)[source]

异步加载 HTML。

使用网页路径初始化。

方法

__init__(web_path[, header_template, ...])

使用网页路径初始化。

alazy_load()

从 web_path 中的 URL 懒加载文本。

aload()

将数据加载到 Document 对象中。

fetch_all(urls)

并发获取所有urls，并限制速率。

lazy_load()

从 web_path 中的 URL 懒加载文本。

加载()

将数据加载到 Document 对象中。

load_and_split([text_splitter])

加载文档并将其分为块。
参数

  • web_path (Union[str, List[str]]) –

  • header_template (Optional[dict]) –

  • verify_ssl (Optional[bool]) –

  • proxies (Optional[dict]) –

  • autoset_encoding (bool) –

  • encoding (Optional[str]) –

  • default_parser (str) –

  • requests_per_second (int) –

  • requests_kwargs (Optional[Dict[str, Any]]) –

  • raise_for_status (bool) –

  • ignore_load_errors (bool) –

  • preserve_order (bool) –

  • trust_env (bool) –

__init__(web_path: Union[str, List[str]], header_template: Optional[dict] = None, verify_ssl: Optional[bool] = True, proxies: Optional[dict] = None, autoset_encoding: bool = True, encoding: Optional[str] = None, default_parser: str = 'html.parser', requests_per_second: int = 2, requests_kwargs: Optional[Dict[str, Any]] = None, raise_for_status: bool = False, ignore_load_errors: bool = False, *, preserve_order: bool = True, trust_env: bool = False)[source]

使用网页路径初始化。

参数

  • web_path (Union[str, List[str]]) –

  • header_template (Optional[dict]) –

  • verify_ssl (Optional[bool]) –

  • proxies (Optional[dict]) –

  • autoset_encoding (bool) –

  • encoding (Optional[str]) –

  • default_parser (str) –

  • requests_per_second (int) –

  • requests_kwargs (Optional[Dict[str, Any]]) –

  • raise_for_status (bool) –

  • ignore_load_errors (bool) –

  • preserve_order (bool) –

  • trust_env (bool) –

async alazy_load() → AsyncIterator[Document][source]

从 web_path 中的 URL 懒加载文本。

返回类型

AsyncIterator[Document]

async aload() → List[Document]

将数据加载到 Document 对象中。

返回类型

List[Document]

async fetch_all(urls: List[str]) → List[str][source]

并发获取所有urls，并限制速率。

参数

urls (List[str]) –

返回类型

List[str]

lazy_load() → Iterator[Document][source]

从 web_path 中的 URL 懒加载文本。

返回类型

Iterator[Document]

load() → List[Document]

将数据加载到 Document 对象中。

返回类型

List[Document]

load_and_split(text_splitter: Optional[TextSplitter] = None) → List[Document]

加载文档并将它们分割成块。块作为文档返回。

不要重写此方法。应将其视为已弃用！

参数

text_splitter (可选[TextSplitter]) – 用于分割文档的TextSplitter实例。默认为RecursiveCharacterTextSplitter。

返回

文档列表。

返回类型

List[Document]

使用AsyncHtmlLoader的示例