（17-2-04）检索增强生成（RAG）：PDF文档加载器（PDFLoader）

码农三叔

已于 2024-06-02 09:31:34 修改

阅读量1.8k

点赞数 21

分类专栏：《NLP算法实战》大模型从入门到实战(数据集、训练、RAG、多模态) 文章标签： langchain 自然语言大模型人工智能 python pdf

于 2024-04-26 17:09:33 首次发布

本文链接：https://blog.csdn.net/asd343442/article/details/138224486

版权

235 篇文章 8 订阅 ¥39.90 ¥99.00

订阅专栏

127 篇文章 20 订阅

订阅专栏

本文介绍了LangChain框架中用于加载和处理PDF文档的多种加载器，如PyPDF、MathpixPDFLoader、UnstructuredPDFLoader等，涵盖了文本提取、图像处理、OCR技术及云端服务的应用，帮助开发者根据需求选择最适合的加载器。

摘要由CSDN通过智能技术生成

Portable Document Format（PDF），作为 ISO 32000 标准化，是由 Adobe 在 1992 年开发的一种文件格式，用于以一种与应用软件、硬件和操作系统无关的方式呈现文档，包括文本格式和图像。在LangChain中，加载PDF文档的方法如下所示。

1. 使用 PyPDF

PyPDF 是一个用于处理PDF文件的Python库。它提供了一系列的功能，允许用户读取、写入、分析和修改PDF文档。在LangChain中，PyPDFLoader 使用 pypdf 库加载PDF文档为文档数组，每个文档包含页面内容和带有页码的元数据。

from langchain_community.document_loaders import PyPDFLoader
loader = PyPDFLoader("example_data/layout-parser-paper.pdf")
page

了解本专栏

关注

专栏目录