langchain_community.document_loaders.word_document.UnstructuredWordDocumentLoader¶
- 类 class langchain_community.document_loaders.word_document.UnstructuredWordDocumentLoader(file_path: Union[str, List[str], Path, List[Path]], *, mode: str = 'single', **unstructured_kwargs: Any)[source]¶
使用 Unstructured 加载 Microsoft Word 文件。
支持 .docx 和 .doc 文件格式。您可以选择两种模式之一运行加载器：“single” 和 “elements”。如果在“single”模式下运行，则文档将作为一个 langchain Document 对象返回。如果在“elements”模式下运行，则 unstructured 库将文档分割为标题、正文文本等元素。您可以在模式之后传递额外的 unstructured kwargs 以应用不同的无结构设置。
示例
from langchain_community.document_loaders import UnstructuredWordDocumentLoader
- loader = UnstructuredWordDocumentLoader(
“example.docx”, mode=”elements”, strategy=”fast”,
) docs = loader.load()
参考文献
https://unstructured-io.github.io/unstructured/bricks.html#partition-docx
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 的懒加载器。
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)¶
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。块以文档的形式返回。
不要重写此方法。应考虑将其标记为弃用！
- 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
List[Document]