Microsoft PowerPoint
Microsoft PowerPoint 是微软的一款演示文稿程序。
这涵盖了如何将Microsoft PowerPoint文档加载到我们可以下游使用的文档格式中。
有关在本地设置 Unstructured（包括设置所需的系统依赖项）的更多说明，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
在后台，Unstructured 为文本的不同块创建不同的“元素”。默认情况下，我们将它们组合在一起，但您可以通过指定mode="elements"轻松地保持这种分离。
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）是一种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。
使用Document Intelligence 的加载器的当前实现可以逐页合并内容并将其转换为 LangChain 文档。默认输出格式为 Markdown，可以轻松地与MarkdownHeaderTextSplitter链接以进行语义文档分块。您还可以使用mode="single"或mode="page"来返回单个页面中的纯文本或按页面分割的文档。
先决条件
在以下三个预览区域之一中使用 Azure AI 文档智能资源：美国东部、美国西部 2、西欧 - 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()