解密Excel文件加载：使用UnstructuredExcelLoader与Azure AI Document Intelligence

最新推荐文章于 2024-09-30 12:13:19 发布

ahdfwcevnhrtds

最新推荐文章于 2024-09-30 12:13:19 发布

阅读量381

点赞数 3

文章标签： excel azure 人工智能 python

本文链接：https://blog.csdn.net/ahdfwcevnhrtds/article/details/142369712

版权

引言

在数据分析和处理的世界中，Microsoft Excel 文件是不可或缺的工具。如何有效地从Excel文件中提取和加载数据是一项重要任务。在这篇文章中，我将介绍如何使用LangChain社区的UnstructuredExcelLoader和Azure AI Document Intelligence来处理Excel文件。

主要内容

1. UnstructuredExcelLoader

UnstructuredExcelLoader是一个强大的工具，可以加载.xlsx和.xls格式的Excel文件。它可以将Excel文件的原始文本提取为文档内容，并通过“elements”模式提供HTML表示形式。

安装和使用

要使用UnstructuredExcelLoader，你需要安装以下Python库：

%pip install --upgrade --quiet langchain-community unstructured openpyxl

然后，使用以下代码加载Excel文件：

from langchain_community.document_loaders import UnstructuredExcelLoader

loader = UnstructuredExcelLoader("./example_data/stanley-cups.xlsx", mode="elements")
docs = loader.load()

print(len(docs))  # 输出文档数量
docs  # 查看加载的文档

2. Azure AI Document Intelligence

Azure AI Document Intelligence（之前称为Azure Form Recognizer）是一个基于机器学习的服务，能够从PDF、图像、Office和HTML文件中提取文本、表格和文档结构。

设置和使用

首先，确保你拥有Azure AI Document Intelligence资源，并记下endpoint和key。然后安装所需库：

%pip install --upgrade --quiet langchain langchain-community azure-ai-documentintelligence

使用以下代码加载文档：

from langchain_community.document_loaders import AzureAIDocumentIntelligenceLoader

file_path = "<filepath>"
endpoint = "<endpoint>"  # 使用API代理服务提高访问稳定性
key = "<key>"

loader = AzureAIDocumentIntelligenceLoader(
    api_endpoint=endpoint, api_key=key, file_path=file_path, api_model="prebuilt-layout"
)

documents = loader.load()

请确保将<filepath>, <endpoint>和<key>替换为你的文件路径和Azure的相关信息。

代码示例

以下是一个使用UnstructuredExcelLoader加载Excel文件的完整代码示例：

from langchain_community.document_loaders import UnstructuredExcelLoader

# 创建加载器实例并加载文件
loader = UnstructuredExcelLoader("example_data/stanley-cups.xlsx", mode="elements")
docs = loader.load()

# 打印文档数量和内容
print(f"加载的文档数量: {len(docs)}")
for doc in docs:
    print(doc.page_content)