langchain_community.document_loaders.pdf.PyPDFDirectoryLoader

class langchain_community.document_loaders.pdf.PyPDFDirectoryLoader(path: Union[str, Path], glob: str = '**/[!.]*.pdf', silent_errors: bool = False, load_hidden: bool = False, recursive: bool = False, extract_images: bool = False)

使用 pypdf 以字符级别分块加载 PDF 文件的目录。

加载器还将在元数据中存储页码。

方法

__init__(path[, glob, silent_errors, ...])
alazy_load()	Document 的懒加载器。
aload()	将数据加载到 Document 对象。
lazy_load()	Document 的懒加载器。
load()	将数据加载到 Document 对象。
load_and_split([text_splitter])	加载文档并分割成块。

参数

• path (Union[str, Path]) –

• glob (str) –

• silent_errors (bool) –

• load_hidden (bool) –

• recursive (bool) –

• extract_images (bool) –

__init__(path: Union[str, Path], glob: str = '**/[!.]*.pdf', silent_errors: bool = False, load_hidden: bool = False, recursive: bool = False, extract_images: bool = False)

参数

• path (Union[str, Path]) –

• glob (str) –

• silent_errors (bool) –

• load_hidden (bool) –

• recursive (bool) –

• extract_images (bool) –

async alazy_load() → AsyncIterator[Document]

Document 的懒加载器。

返回类型

AsyncIterator[Document]

async aload() → List[Document]

将数据加载到 Document 对象。

返回类型

List[Document]

lazy_load() → Iterator[Document]

Document 的懒加载器。

返回类型

Iterator[Document]

load() → List[Document]

将数据加载到 Document 对象。

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Document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PyPDFDirectoryLoader的示例

• 如何加载PDF文件