跳到主要内容
Open In ColabOpen on GitHub

Writer PDF Parser

本笔记本快速概述了如何开始使用 Writer PDFParser 文档加载器。

Writer 的 PDF 解析器 将 PDF 文档转换为其他格式，如文本或 Markdown。当您需要从 PDF 文件中提取和处理文本内容以进行进一步分析或集成到您的工作流程中时，这尤其有用。在 langchain-writer 中，我们提供了 Writer 的 PDF 解析器作为 LangChain 文档解析器的用法。

概述​

集成详细信息​

类包本地可序列化JS 支持包下载量包最新版本
PDFParserlangchain-writer❌❌❌PyPI - DownloadsPyPI - Version

设置​

PDFParser 在 langchain-writer 包中可用

%pip install --quiet -U langchain-writer

凭据​

注册 Writer AI Studio 以生成 API 密钥（您可以按照此 快速入门）。然后，设置 WRITER_API_KEY 环境变量

import getpass
import os

if not os.getenv("WRITER_API_KEY"):
    os.environ["WRITER_API_KEY"] = getpass.getpass("Enter your Writer API key: ")

设置 LangSmith 以获得一流的可观测性也很有帮助（但不是必需的）。如果您希望这样做，可以设置 LANGSMITH_TRACING 和 LANGSMITH_API_KEY 环境变量

# os.environ["LANGSMITH_TRACING"] = "true"
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass()

实例化​

接下来，使用所需的输出格式实例化 Writer PDF 解析器的实例

from langchain_writer.pdf_parser import PDFParser

parser = PDFParser(format="markdown")

用法​

有两种方法可以使用 PDF 解析器，同步或异步。在任何一种情况下，PDF 解析器都将返回 Document 对象列表，每个对象都包含来自 PDF 文件的页面的解析内容。

同步用法​

要同步调用 PDF 解析器，请将 Blob 对象传递给引用您要解析的 PDF 文件的 parse 方法

from langchain_core.documents.base import Blob

file = Blob.from_path("../example_data/layout-parser-paper.pdf")

parsed_pages = parser.parse(blob=file)
parsed_pages
API 参考：Blob

异步用法​

要异步调用 PDF 解析器，请将 Blob 对象传递给引用您要解析的 PDF 文件的 aparse 方法

parsed_pages_async = await parser.aparse(blob=file)
parsed_pages_async

API 参考​

有关所有 PDFParser 功能和配置的详细文档，请访问 API 参考。

其他资源​

您可以在 Writer 文档中找到有关 Writer 模型（包括成本、上下文窗口和支持的输入类型）和工具的信息。

此页是否对您有帮助？