Microsoft PowerPoint
Microsoft PowerPoint 是微软公司出品的演示程序。
本文介绍了如何将 Microsoft PowerPoint 文档加载为下游可以使用的文档格式。
有关本地设置 Unstructured 的更多说明，包括设置所需的系统依赖项，请参阅本指南。
# Install packages
%pip install unstructured
%pip install python-magic
%pip install python-pptx
from langchain_community.document_loaders import UnstructuredPowerPointLoader
loader = UnstructuredPowerPointLoader("./example_data/fake-power-point.pptx")
data = loader.load()
data
API 参考：UnstructuredPowerPointLoader
[Document(page_content='Adding a Bullet Slide\n\nFind the bullet slide layout\n\nUse _TextFrame.text for first bullet\n\nUse _TextFrame.add_paragraph() for subsequent bullets\n\nHere is a lot of text!\n\nHere is some text in a text box!', metadata={'source': './example_data/fake-power-point.pptx'})]
保留元素
在底层，Unstructured 为不同的文本块创建不同的“元素”。默认情况下，我们将这些元素组合在一起，但您可以通过指定 mode="elements" 轻松保持这种分离。
loader = UnstructuredPowerPointLoader(
"./example_data/fake-power-point.pptx", mode="elements"
)
data = loader.load()
data[0]
Document(page_content='Adding a Bullet Slide', metadata={'source': './example_data/fake-power-point.pptx', 'category_depth': 0, 'file_directory': './example_data', 'filename': 'fake-power-point.pptx', 'last_modified': '2023-12-19T13:42:18', 'page_number': 1, 'languages': ['eng'], 'filetype': 'application/vnd.openxmlformats-officedocument.presentationml.presentation', 'category': 'Title'})
使用 Azure AI 文档智能
Azure AI 文档智能（以前称为
Azure Form Recognizer）是基于机器学习的服务，可从数字或扫描的 PDF、图像、Office 和 HTML 文件中提取文本（包括手写）、表格、文档结构（例如，标题、章节标题等）和键值对。文档智能支持
JPEG/JPG、PNG、BMP、TIFF、HEIF、DOCX、XLSX、PPTX和HTML。
当前使用 Document Intelligence 的加载器实现可以逐页合并内容，并将其转换为 LangChain 文档。默认输出格式是 Markdown，可以轻松地与 MarkdownHeaderTextSplitter 链接，以实现语义文档分块。您也可以使用 mode="single" 或 mode="page" 来返回单页或按页拆分的文档中的纯文本。
先决条件
在 3 个预览区域之一：美国东部、美国西部 2、西欧 中创建一个 Azure AI 文档智能资源 - 如果您没有，请按照本文档创建一个。您将把 <endpoint> 和 <key> 作为参数传递给加载器。
%pip install --upgrade --quiet langchain langchain-community azure-ai-documentintelligence
from langchain_community.document_loaders import AzureAIDocumentIntelligenceLoader
file_path = "<filepath>"
endpoint = "<endpoint>"
key = "<key>"
loader = AzureAIDocumentIntelligenceLoader(
api_endpoint=endpoint, api_key=key, file_path=file_path, api_model="prebuilt-layout"
)
documents = loader.load()