Dedoc

Dedoc 是一个开源库/服务，可从各种格式的文件中提取文本、表格、附件和文档结构（例如，标题、列表项等）。

Dedoc 支持 DOCX、XLSX、PPTX、EML、HTML、PDF、图像等格式。支持的格式完整列表可在此处找到。

安装与设置

Dedoc 库

您可以使用 pip 安装 Dedoc。在这种情况下，您需要安装依赖项，请访问此处以获取更多信息。

pip install dedoc

Dedoc API

如果您打算使用 Dedoc API，则无需安装 dedoc 库。在这种情况下，您应该运行 Dedoc 服务，例如 Docker 容器（详情请参阅文档）

docker pull dedocproject/dedoc
docker run -p 1231:1231

文档加载器

• 为处理 Dedoc 支持的任何格式的文件，您可以使用 DedocFileLoader

  from langchain_community.document_loaders import DedocFileLoader

• 为处理 PDF 文件（无论是否包含文本层），您可以使用 DedocPDFLoader

  from langchain_community.document_loaders import DedocPDFLoader

• 为在不安装库的情况下处理任何格式的文件，您可以使用带有 DedocAPIFileLoader 的 Dedoc API

  from langchain_community.document_loaders import DedocAPIFileLoader

请参阅使用示例了解更多详情。