5.3.3 HTML标题文本分割器
在LangChain中,HTMLHeaderTextSplitter是一个文本分割器,能够在 HTML 文档中根据元素级别进行分割,并为每个相关的标题块添加元数据。这个分割器的目标是保持相关文本的语义分组,并且保留文档结构中编码的丰富上下文信息。HTMLHeaderTextSplitter可以根据提供的标题标签来分割文本,并且可以与其他文本分割器一起使用,作为文本处理管道的一部分。
请看下面的实例,使用 HTMLHeaderTextSplitter 来处理一个 HTML 格式的字符串,并根据其中的标题标签(<h1>、<h2>、<h3> 等)将文档分割成多个部分。每个部分都会保留与其相关的标题元数据。这样做的目的是为了在分割文档的同时,保持相关文本的语义分组,并保留文档结构中编码的丰富上下文信息。
实例5-1ÿ