langchain_community.document_loaders.pdf.MathpixPDFLoader

class langchain_community.document_loaders.pdf.MathpixPDFLoader(file_path: str, processed_file_format: str = 'md', max_wait_time_seconds: int = 500, should_clean_pdf: bool = False, extra_request_data: Optional[Dict[str, Any]] = None, **kwargs: Any)[source]

使用Mathpix服务加载PDF文件。

使用文件路径进行初始化。

参数

  • file_path (str) – 要加载的文件。

  • processed_file_format (str) – 处理后文件格式。默认为“md”。

  • max_wait_time_seconds (int) – 等待服务器响应的最大时间。默认为500。

  • should_clean_pdf (bool) – 是否清除PDF文件的标志。默认为False。

  • extra_request_data (Optional[Dict[str, Any]]) – 额外的请求数据。

  • **kwargs (Any) – 额外的关键字参数。

属性

data

source

url

方法

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

使用文件路径进行初始化。

alazy_load()

文档的懒加载器。

aload()

将数据加载到文档对象中。

clean_pdf(contents)

清除PDF文件。

get_processed_pdf(pdf_id)

lazy_load()

文档的懒加载器。

load()

将数据加载到文档对象中。

load_and_split([text_splitter])

加载文档并分割为块。

send_pdf()

wait_for_processing(pdf_id)

等待处理完成。
函数 __init__（

__init__(file_path: str, processed_file_format: str = 'md', max_wait_time_seconds: int = 500, should_clean_pdf: bool = False, extra_request_data: Optional[Dict[str, Any]] = None, **kwargs: Any) → None[source]

）

使用文件路径进行初始化。

参数

  • file_path (str) – 要加载的文件。

  • processed_file_format (str) – 处理后文件格式。默认为“md”。

  • max_wait_time_seconds (int) – 等待服务器响应的最大时间。默认为500。

  • should_clean_pdf (bool) – 是否清除PDF文件的标志。默认为False。

  • extra_request_data (Optional[Dict[str, Any]]) – 额外的请求数据。

  • **kwargs (Any) – 额外的关键字参数。

返回类型

None

异步函数 async alazy_load() → AsyncIterator[Document]

文档的懒加载器。

返回类型

AsyncIterator[Document]

异步函数 async aload() → List[Document]

将数据加载到文档对象中。

返回类型

List[Document]

clean_pdf(contents: str) → str[source]

清除PDF文件。

参数

contents（《内容》）(str) - PDF文件的内容。

返回类型

str

返回

get_processed_pdf(pdf_id: str) → str[source]
参数

pdf_id (str) –

返回类型

str

lazy_load() → Iterator[Document]

文档的懒加载器。

返回类型

Iterator[Document]

load() → List[Document][source]

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]

加载文档并将它们分割成块。块被作为文档返回。

不要重写此方法。应将其视为已弃用的功能！

参数

text_splitter (Optional[TextSplitter]) – 用于分割文档的TextSplitter实例。默认使用RecursiveCharacterTextSplitter。

返回

文档的列表。

返回类型

List[Document]

send_pdf() → str[source]
返回类型

str

wait_for_processing(pdf_id: str) → None[代码源]

等待处理完成。

参数

pdf_id (字符串) – 一个 PDF ID。

返回类型

None

返回值: None

使用 MathpixPDFLoader 的示例