`langchain_community.document_loaders.mhtml`.MHTMLLoader¶

class langchain_community.document_loaders.mhtml.MHTMLLoader(file_path: Union[str, Path], open_encoding: Optional[str] = None, bs_kwargs: Optional[dict] = None, get_text_separator: str = ''][source]¶

使用 BeautifulSoup 解析 MHTML 文件。

通过路径初始化，可选地包括使用的文件编码，以及传递给 BeautifulSoup 对象的任何 kwargs。

参数

file_path (Union[str, Path]) – 要加载的文件的路径。
open_encoding (Optional[str]) – 打开文件时使用的编码。
bs_kwargs (Optional[dict]) – 要传递给 BeautifulSoup 对象的任何 kwargs。
get_text_separator (str) – 从 soup 获取文本时使用的分隔符。

方法

`__init__`(file_path[, open_encoding, ...])	通过路径初始化，可选地包括使用的文件编码，以及传递给 BeautifulSoup 对象的任何 kwargs。
`alazy_load`()	文档的懒惰加载器。
`aload`()	将数据加载到文档对象中。
`lazy_load`()	将 MHTML 文档加载到文档对象中。
`load`()	将数据加载到文档对象中。
`load_and_split`([text_splitter])	加载文档并将它们拆分为块。

__init__(file_path: Union[str, Path], open_encoding: Optional[str] = None, bs_kwargs: Optional[dict] = None, get_text_separator: str = '') → None[source]¶

通过路径初始化，可选地包括使用的文件编码，以及传递给 BeautifulSoup 对象的任何 kwargs。

参数

file_path (Union[str, Path]) – 要加载的文件的路径。
open_encoding (Optional[str]) – 打开文件时使用的编码。
bs_kwargs (Optional[dict]) – 要传递给 BeautifulSoup 对象的任何 kwargs。
get_text_separator (str) – 从 soup 获取文本时使用的分隔符。

返回类型

None

async alazy_load() → AsyncIterator[Document]¶

文档的懒惰加载器。

返回类型: AsyncIterator[Document]

async aload() → List[Document]¶

将数据加载到文档对象中。

返回类型: List[Document]

lazy_load() → Iterator[Document][source]¶

将 MHTML 文档加载到文档对象中。

返回类型: Iterator[Document]

load() → List[Document]¶

将数据加载到文档对象中。

返回类型: List[Document]

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

加载文档并将其拆分为块。块以Document的形式返回。

不要重写此方法。应考虑此方法已过时！

参数: text_splitter (可选[TextSplitter]) – 用于拆分文档的TextSplitter实例。默认值为RecursiveCharacterTextSplitter。
返回: Document列表。
返回类型: List[Document]

MHTMLLoader的使用示例¶

mhtml

langchain_community.document_loaders.mhtml.MHTMLLoader¶

MHTMLLoader的使用示例¶

`langchain_community.document_loaders.mhtml`.MHTMLLoader¶