langchain_text_splitters.nltk.NLTKTextSplitter

class langchain_text_splitters.nltk.NLTKTextSplitter(separator: str = '\n\n', language: str = 'english', **kwargs: Any)

使用NLTK包进行文本分割。

初始化NLTK分割器。

方法

__init__([separator, language])	初始化NLTK分割器。
atransform_documents(documents, **kwargs)	异步转换文档列表。
create_documents(texts[, metadatas])	从文本列表创建文档。
from_huggingface_tokenizer(tokenizer, **kwargs)	使用HuggingFace标记化器计长的文本分割器。
from_tiktoken_encoder([encoding_name, ...])	使用tiktoken编码器计长的文本分割器。
split_documents(documents)	分割文档。
split_text(text)	分割输入文本并返回块。
transform_documents(documents, **kwargs)	通过分割文档来转换文档序列。

参数

• separator (str) –

• language (str) –

• kwargs (Any) –

__init__(separator: str = '\n\n', language: str = 'english', **kwargs: Any) → None

初始化NLTK分割器。

参数

• separator (str) –

• language (str) –

• kwargs (Any) –

返回类型

None

asyncatransform_documents(documents: Sequence[Document], **kwargs: Any) → Sequence[Document]

异步转换文档列表。

参数

• documents (Sequence[Document]) – 要变换的文档序列。

• kwargs (Any) –

返回

变换后的文档序列。

返回类型

Sequence[Document]

create_documents(texts: List[str], metadatas: Optional[List[dict]] = None) → List[Document]

从文本列表创建文档。

参数

• texts (List[str]) –

• metadatas (Optional[List[dict]]) –

返回类型

List[Document]

classmethod from_huggingface_tokenizer(tokenizer: Any, **kwargs: Any) → TextSplitter

使用HuggingFace标记化器计长的文本分割器。

参数

• tokenizer (Any) –

• kwargs (Any) –

返回类型

TextSplitter

classmethod from_tiktoken_encoder(encoding_name: str = 'gpt2', model_name: Optional[str] = None, allowed_special: Union[Literal['all'], AbstractSet[str]] = {}, disallowed_special: Union[Literal['all'], Collection[str]] = 'all', **kwargs: Any) → TS

使用tiktoken编码器计长的文本分割器。

参数

• encoding_name (str) –

• model_name (Optional[str]) –

• allowed_special (Union[Literal['all'], ~typing.AbstractSet[str]]) –

• disallowed_special (Union[Literal['all'], ~typing.Collection[str]]) –

• kwargs (Any) –

返回类型

TS

split_documents(documents: Iterable[Document]) → List[Document]

分割文档。

参数

documents (Iterable[Document]) –

返回类型

List[Document]

split_text(text: str) → List[str]

分割输入文本并返回块。

参数

text (str) –

返回类型

List[str]

transform_documents(documents: Sequence[Document], **kwargs: Any) → Sequence[Document]

通过分割文档来转换文档序列。

参数

• documents (Sequence[Document]) –

• kwargs (Any) –

返回类型

Sequence[Document]

使用 NLTKTextSplitter 的示例

• 如何按标记分割文本