langchain_community.document_loaders.parsers.pdf.PDFPlumberParser

class langchain社区.document_loaders.parsers.pdf.PDFPlumberParser(text_kwargs: Optional[Mapping[str, Any]] = None, dedupe: bool = False, extract_images: bool = False)

使用 PDFPlumber 解析 PDF 文件。

初始化解析器。

参数

• text_kwargs（《可选》）（Optional）[Mapping[str，Any]] – 将传递给 pdfplumber.Page.extract_text() 的关键字参数

• dedupe（《可选》）（bool） – 如果 dedupe=True，避免重复字符错误。

• extract_images（《可选》）（bool） –

方法

__init__([text_kwargs, dedupe, extract_images])	初始化解析器。
lazy_parse(blob)	懒解析 blob。
parse(blob)	贪婪地将 blob 解析为文档或多个文档。

__init__(text_kwargs: Optional[Mapping[str, Any]] = None, dedupe: bool = False, extract_images: bool = False) → None

初始化解析器。

参数

• text_kwargs（《可选》）（Optional）[Mapping[str，Any]] – 将传递给 pdfplumber.Page.extract_text() 的关键字参数

• dedupe（《可选》）（bool） – 如果 dedupe=True，避免重复字符错误。

• extract_images（《可选》）（bool） –

返回类型

None

lazy_parse(blob: Blob) → Iterator[Document]

懒解析 blob。

参数

blob (Blob) –

返回类型

Iterator[Document]

parse(blob: Blob) → List[Document]

贪婪地将 blob 解析为文档或多个文档。

这是一个用于交互式开发环境的便利方法。

生产应用应优先考虑使用 lazy_parse 方法。

子类通常不应重写此解析方法。

参数

blob (Blob) – Blob 实例

返回

文档列表

返回类型

List[Document]