langchain_community.document_loaders.unstructured.UnstructuredFileLoader¶
- 类 langchain_community.document_loaders.unstructured.UnstructuredFileLoader(file_path: Union[str, List[str], Path, List[Path]], odic, read, mode: str = 'single', **unstructured_kwargs: Any)[源代码]¶
已从版本0.2.8废弃：请使用
langchain_unstructured.UnstructuredLoader代替。使用 Unstructured 加载文件。
文件加载器使用非结构化分区函数，并自动检测文件类型。您可以在不同的模式下运行加载器：“单一”、“元素”和“分页”。默认的“单一”模式将返回一个单一的 LangChain Document 对象。如果您使用“元素”模式，Unstructured 库将文档分成标题、叙述文本等元素，并作为单独的 LangChain Document 对象返回。除了这些针对 LangChain 加载器的后处理模式外，Unstructured 还有自己的“分块”参数，用于将元素后处理为更有用的块，用于检索增强生成（RAG）等用例。您可以通过传递额外的 unstructured kwargs 来配置不同的非结构化设置。
示例
from langchain_community.document_loaders import UnstructuredFileLoader
- loader = UnstructuredFileLoader(
“example.pdf”, mode=”elements”, strategy=”fast”,
)
参考资料
https://docs.unstructured.io/open-source/core-functionality/partitioning https://docs.unstructured.io/open-source/core-functionality/chunking
使用文件路径初始化。
方法
__init__(file_path, *[, mode])使用文件路径初始化。
Documents 的延迟加载器。
aload()将数据加载到 Document 对象中。
加载文件。
load()将数据加载到 Document 对象中。
load_and_split([text_splitter])加载 Documents 并分割成块。
- 参数
file_path (Union[str, List[str], Path, List[Path]]) –
mode (str) –
unstructured_kwargs (Any) –
- __init__(file_path: Union[str, List[str], Path, List[Path]], *, mode: str = 'single', **unstructured_kwargs: Any)[source]¶
使用文件路径初始化。
- 参数
file_path (Union[str, List[str], Path, List[Path]]) –
mode (str) –
unstructured_kwargs (Any) –
- 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对象返回。
请不要重写此方法。应将其视为已弃用！
- 参数
text_splitter (可选[TextSplitter]) – 用于分割文档的TextSplitter实例。默认为RecursiveCharacterTextSplitter。
- 返回值
Document对象的列表。
- 返回类型
List[Document]