Langchain 对pdf,word,txt等不同文件的加载解析
创始人
2024-12-27 01:35:45
0

项目中遇到各种数据资源想要加载近langchain构建本地知识ai系统,怎么加载对应的文件格式呢,一起研究下

引入Langchain

from langchain.document_loaders import UnstructuredWordDocumentLoader,PyPDFium2Loader,DirectoryLoader,PyPDFLoader,TextLoader import os

pdf文件加载

def load_pdf(directory_path):     data = []     for filename in os.listdir(directory_path):         if filename.endswith(".pdf"):             print(filename)             # print the file name             loader = PyPDFium2Loader(f'{directory_path}/{filename}')             print(loader)             data.append(loader.load())     return data

word文档加载如,doc或者docx格式

def load_word(directory_path):     data = []     for filename in os.listdir(directory_path):         # check if the file is a doc or docx file         # 检查所有doc以及docx后缀的文件         if filename.endswith(".doc") or filename.endswith(".docx"):             # langchain自带功能,加载word文档             loader = UnstructuredWordDocumentLoader(f'{directory_path}/{filename}')             data.append(loader.load())      return data

txt加载

def load_txt(directory_path):     data = []     for filename in os.listdir(directory_path):         if filename.endswith(".txt"):             print(filename)             loader = TextLoader(f'{directory_path}/{filename}')             print(loader)             data.append(loader.load())      return data

上述中常见的文档格式基本上都可以加载进去了,主要就是不同格式对应不同的加载方式,如果想简单也可以直接加载目录

def load_docs(directory):     loader = DirectoryLoader(directory)     documents = loader.load()     return documents

相关内容

热门资讯

十刹那秒懂!(多米贵阳麻将)外... 十刹那秒懂!(多米贵阳麻将)外挂辅助器开挂!(透视)详细教程(2023已更新)(哔哩哔哩)是一款可以...
第两了解!AApoKER外挂辅... 第两了解!AApoKER外挂辅助软件,wepoke辅助挂有的(有挂教程)-哔哩哔哩是一款可以让一直输...
【数据结构】数组循环队列的实现 队列(Queue)是一种特殊的线性数据结构,它遵循FIFO...
6分钟了解!(乐天游戏)外挂透... 自定义新版乐天游戏系统规律,只需要输入自己想要的开挂功能,一键便可以生成出乐天游戏专用辅助器,不管你...
第1了解!WEPOKE外挂透明... 第1了解!WEPOKE外挂透明挂辅助器开挂,wepoke外挂(竟然有挂)-哔哩哔哩;1、让任何用户在...
【模拟+数学】LeetCode... 🎁个人主页:我们的五年🔍系列专栏:每日一...
力扣随机一题 6/28 数组/... 📝个人主页🌹:誓则盟约⏩收录专栏⏪:IT...
【数据结构】链表力扣刷题详解 前言题目链接移除链表元素链表的中间结点反转链表分割链表环形链表的约瑟夫问题  ​欢迎关注个人主页&#...
1刹那秒懂!(德扑之心)外挂透... 1刹那秒懂!(德扑之心)外挂透明挂辅助器软件!(透视)详细教程(2022已更新)(哔哩哔哩)是一款可...
[数据结构进阶 C++] 二叉... 文章目录1、二叉搜索树1.1 二叉搜索数的概念1.2 二叉搜索树的操作1.2.1 二叉搜索树的查找1...