langchain_community.document_loaders.llmsherpa.LLMSherpaFileLoader

class langchain_community.document_loaders.llmsherpa.LLMSherpaFileLoader(file_path: Union[str, Path], new_indent_parser: bool = True, apply_ocr: bool = True, strategy: str = 'chunks', llmsherpa_api_url: str = 'https://readers.llmsherpa.com/api/document/developer/parseDocument?renderFormat=all')[source]

使用 LLMSherpa 加载文档。

LLMSherpaFileLoader 使用 LayoutPDFReader，它是 LLMSherpa 库的一部分。这个工具旨在解析 PDF 文件的同时保留它们的布局信息，这是在大多数 PDF 到文本解析器中经常丢失的。

示例

from langchain_community.document_loaders.llmsherpa import LLMSherpaFileLoader

loader = LLMSherpaFileLoader(

“example.pdf”, strategy=”chunks”, llmsherpa_api_url=”http://localhost:5010/api/parseDocument?renderFormat=all”,

) docs = loader.load()

使用文件路径初始化。

方法

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

使用文件路径初始化。

alazy_load()

Document 的延迟加载器。

aload()

将数据加载到 Document 对象中。

lazy_load()

加载文件。

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。
参数

  • file_path (Union[str, Path]) –

  • new_indent_parser (bool) –

  • apply_ocr (bool) –

  • strategy (str) –

  • llmsherpa_api_url (str) –

使用文件路径初始化。

参数

  • file_path (Union[str, Path]) –

  • new_indent_parser (bool) –

  • apply_ocr (bool) –

  • strategy (str) –

  • llmsherpa_api_url (str) –

Document 的延迟加载器。

返回类型

将数据加载到 Document 对象中。

返回类型

加载文件。

返回类型

load() → List[Document]

将数据加载到 Document 对象中。

返回类型

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

加载文档并分割成块。块将以Document的形式返回。

不要重写此方法。应考虑将其弃用！

参数

text_splitter (可选) – 用于分割文档的TextSplitter实例。默认值为RecursiveCharacterTextSplitter。

返回

文档列表。

返回类型

列表[Document]

使用LLMSherpaFileLoader的示例