Azure AI 数据

Azure AI Studio 提供将数据资产上传到云存储以及从以下来源注册现有数据资产的功能

• Microsoft OneLake
• Azure Blob 存储
• Azure Data Lake 第 2 代

与AzureBlobStorageContainerLoader 和AzureBlobStorageFileLoader 相比，这种方法的优势在于可以无缝处理对云存储的认证。您可以使用基于身份的数据访问控制来访问数据，也可以使用基于凭据的方法（例如 SAS 令牌、帐户密钥）。在基于凭据的数据访问的情况下，您无需在代码中指定密钥或设置密钥保管库 - 系统会为您处理。

此笔记本介绍了如何从 AI Studio 中的数据资产加载文档对象。

%pip install --upgrade --quiet  azureml-fsspec, azure-ai-generative

from azure.ai.resources.client import AIClient
from azure.identity import DefaultAzureCredential
from langchain_community.document_loaders import AzureAIDataLoader

API 参考：AzureAIDataLoader

# Create a connection to your project
client = AIClient(
    credential=DefaultAzureCredential(),
    subscription_id="<subscription_id>",
    resource_group_name="<resource_group_name>",
    project_name="<project_name>",
)

# get the latest version of your data asset
data_asset = client.data.get(name="<data_asset_name>", label="latest")

# load the data asset
loader = AzureAIDataLoader(url=data_asset.path)

loader.load()

[Document(page_content='Lorem ipsum dolor sit amet.', lookup_str='', metadata={'source': '/var/folders/y6/8_bzdg295ld6s1_97_12m4lr0000gn/T/tmpaa9xl6ch/fake.docx'}, lookup_index=0)]

指定通配符模式

您还可以指定通配符模式，以更精细地控制要加载的文件。在下面的示例中，仅加载扩展名为pdf 的文件。

loader = AzureAIDataLoader(url=data_asset.path, glob="*.pdf")

loader.load()

[Document(page_content='Lorem ipsum dolor sit amet.', lookup_str='', metadata={'source': '/var/folders/y6/8_bzdg295ld6s1_97_12m4lr0000gn/T/tmpujbkzf_l/fake.docx'}, lookup_index=0)]

相关

• 文档加载器 概念指南
• 文档加载器 操作指南