Writer PDF 解析器

本笔记提供了 Writer `PDFParser` 文档加载器的快速入门概览。

Writer 的 PDF 解析器可以将 PDF 文档转换为文本或 Markdown 等其他格式。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中时，这尤其有用。在 `langchain-writer` 中，我们提供了 Writer PDF 解析器作为 LangChain 文档解析器的用法。

概述

集成详情

类别	包	本地	可序列化	JS 支持	包下载量	最新包版本
PDFParser	langchain-writer	❌	❌	❌

设置

`PDFParser` 位于 `langchain-writer` 包中。

%pip install --quiet -U langchain-writer

凭证

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 以实现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，实例化一个 Writer PDF 解析器实例，并指定所需的输出格式。

from langchain_writer.pdf_parser import PDFParser

parser = PDFParser(format="markdown")

使用

有两种方式使用 PDF 解析器：同步或异步。无论哪种情况，PDF 解析器都将返回一个 `Document` 对象列表，每个对象都包含 PDF 文件中一页的解析内容。

同步用法

要同步调用 PDF 解析器，请将 `Blob` 对象传递给 `parse` 方法，该对象引用您要解析的 PDF 文件。

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

异步使用

要异步调用 PDF 解析器，请将 `Blob` 对象传递给 `aparse` 方法，该对象引用您要解析的 PDF 文件。

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，请参阅API 参考。

概述​

集成详情​

设置​

凭证​

实例化​

使用​

同步用法​

异步使用​

API 参考​

更多资源​

概述

集成详情

设置

凭证

实例化

使用

同步用法

异步使用

API 参考

更多资源