langchain_community.document_loaders.pdf.PyPDFium2Loader

class langchain_community.document_loaders.pdf.PyPDFium2Loader(file_path: str, *, headers: Optional[Dict] = None, extract_images: bool = False)

使用 pypdfium2 加载 PDF 文件，并以字符级别进行分块处理。

通过文件路径进行初始化。

属性

source

方法

__init__(file_path, [ ， ， ， ， ， ， ，， ， ，headers，extract_images])	通过文件路径进行初始化。
alazy_load()	Document 的懒加载器。
aload()	将数据加载到 Document 对象中。
lazy_load()	以页为单位懒加载给定路径。
load()	将数据加载到 Document 对象中。
load_and_split([text_splitter])	加载 Documents 并将其分割成块。

参数

• file_path (str) –

• headers (Optional[Dict]) –

• extract_images (bool) –

__init__(file_path, [ ， ， ， ， ， ，， ， ，headers，extract_images])

通过文件路径进行初始化。

参数

• file_path (str) –

• headers (Optional[Dict]) –

• extract_images (bool) –

async alazy_load() → AsyncIterator[Document]

Document 的懒加载器。

返回类型

异步迭代器[文档]

async aload() → List[Document]

将数据加载到 Document 对象中。

返回类型

列表[文档]

lazy_load() → Iterator[Document]

以页为单位懒加载给定路径。

返回类型

迭代器[文档]

load() → List[Document]

将数据加载到 Document 对象中。

返回类型

列表[文档]

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

加载文档并将其分割为块。块作为文档返回。

请不要重写此方法。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 PyPDFium2Loader 的示例

• 如何加载PDF