跳到主要内容

Dedoc

Dedoc 是一个 开源 的库/服务，它可以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。支持的完整格式列表可以在这里找到。

安装和设置​

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 这里 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（请参阅 文档 获取更多详细信息）。

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

文档加载器​

  • 为了处理任何格式的文件（Dedoc 支持的文件），您可以使用 DedocFileLoader

    from langchain_community.document_loaders import DedocFileLoader

  • 为了处理 PDF 文件（有或没有文本层），您可以使用 DedocPDFLoader

    from langchain_community.document_loaders import DedocPDFLoader

  • 为了处理任何格式的文件而无需安装库，您可以使用 Dedoc API 和 DedocAPIFileLoader

    from langchain_community.document_loaders import DedocAPIFileLoader

请参阅 使用示例 获取更多详细信息。

此页是否对您有帮助？