Git

Git 是一种分布式版本控制系统，用于跟踪任何一组计算机文件的更改，通常用于在软件开发过程中协作开发源代码的程序员之间协调工作。

此笔记本展示了如何从 Git 存储库加载文本文件。

从磁盘加载现有存储库

%pip install --upgrade --quiet  GitPython

from git import Repo

repo = Repo.clone_from(
    "https://github.com/langchain-ai/langchain", to_path="./example_data/test_repo1"
)
branch = repo.head.reference

from langchain_community.document_loaders import GitLoader

API 参考：GitLoader

loader = GitLoader(repo_path="./example_data/test_repo1/", branch=branch)

data = loader.load()

len(data)

print(data[0])

page_content='.venv\n.github\n.git\n.mypy_cache\n.pytest_cache\nDockerfile' metadata={'file_path': '.dockerignore', 'file_name': '.dockerignore', 'file_type': ''}

从 URL 克隆存储库

from langchain_community.document_loaders import GitLoader

API 参考：GitLoader

loader = GitLoader(
    clone_url="https://github.com/langchain-ai/langchain",
    repo_path="./example_data/test_repo2/",
    branch="master",
)

data = loader.load()

len(data)

1074

筛选要加载的文件

from langchain_community.document_loaders import GitLoader

# e.g. loading only python files
loader = GitLoader(
    repo_path="./example_data/test_repo1/",
    file_filter=lambda file_path: file_path.endswith(".py"),
)

API 参考：GitLoader

相关

• 文档加载器 概念指南
• 文档加载器 操作指南