langchain_community.document_loaders.pdf.PDFMinerLoader

class langchain_community.document_loaders.pdf.PDFMinerLoader(file_path: str, *, headers: Optional[Dict] = None, extract_images: bool = False, concatenate_pages: bool = True)

使用 PDFMiner 加载 PDF 文件。

使用文件路径初始化。

参数

• extract_images (bool) – 是否从 PDF 中提取图片。

• concatenate_pages (bool) – 如果为 True，将所有 PDF 页面连接成一个单一文档。否则，每页返回一个文档。

• file_path (str) –

• headers (Optional[Dict]) –

属性

source

方法

__init__(file_path, *[, headers, ...])	使用文件路径初始化。
alazy_load()	Documents 的延迟加载器。
aload()	将数据加载到 Document 对象中。
lazy_load()	延迟加载文档。
load()	将数据加载到 Document 对象中。
load_and_split([text_splitter])	加载文档并分割成块。

__init__(file_path: str, *, headers: Optional[Dict] = None, extract_images: bool = False, concatenate_pages: bool = True) → None

使用文件路径初始化。

参数

• extract_images (bool) – 是否从 PDF 中提取图片。

• concatenate_pages (bool) – 如果为 True，将所有 PDF 页面连接成一个单一文档。否则，每页返回一个文档。

• file_path (str) –

• headers (Optional[Dict]) –

返回类型

None

async alazy_load() → AsyncIterator[Document]¶

Documents 的延迟加载器。

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]

lazy_load() → Iterator[Document]

延迟加载文档。

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。应考虑将其弃用！

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

列表[Document]

使用PDFMinerLoader的示例

• 如何加载PDF文件