Microsoft SharePoint
Microsoft SharePoint 是一个基于网站的协作系统，它使用工作流应用程序，“列表”数据库以及其他 Web 部件和安全功能，使企业团队能够协同工作，由微软开发。
此笔记本涵盖了如何从 SharePoint 文档库 加载文档。目前，仅支持 docx、doc 和 pdf 文件。
先决条件
- 使用 Microsoft 身份验证平台 说明注册应用程序。
- 注册完成后，Azure 门户将显示应用程序注册的概述窗格。您将看到应用程序（客户端）ID。也称为
client ID，此值在 Microsoft 身份验证平台中唯一标识您的应用程序。 - 在您将在项目 1中执行的步骤中，您可以将重定向 URI 设置为
https://login.microsoftonline.com/common/oauth2/nativeclient - 在您将在项目 1中执行的步骤中，在“应用程序机密”部分下生成一个新密码（
client_secret）。 - 按照此 文档 中的说明将以下
SCOPES（offline_access和Sites.Read.All）添加到您的应用程序。 - 要从您的文档库中检索文件，您需要它的 ID。要获取它，您需要
租户名称、集合 ID和子站点 ID的值。 - 要查找您的
租户名称，请按照此 文档 中的说明进行操作。获取此信息后，只需从值中删除.onmicrosoft.com，并将剩余部分保留为您的租户名称。 - 要获取您的
集合 ID和子站点 ID，您需要您的SharePoint站点名称。您的SharePoint站点 URL 格式如下：https://<tenant-name>.sharepoint.com/sites/<site-name>。此 URL 的最后一部分是站点名称。 - 要获取站点
集合 ID，请在浏览器中访问此 URL：https://<tenant>.sharepoint.com/sites/<site-name>/_api/site/id，并复制Edm.Guid属性的值。 - 要获取
子站点 ID（或 Web ID），请使用：https://<tenant>.sharepoint.com/sites/<site-name>/_api/web/id，并复制Edm.Guid属性的值。 SharePoint 站点 ID格式如下：<tenant-name>.sharepoint.com,<Collection ID>,<subsite ID>。您可以保留该值以在下一步中使用。- 访问 Graph Explorer Playground 以获取您的
文档库 ID。第一步是确保您已使用与您的SharePoint 站点关联的帐户登录。然后，您需要向https://graph.microsoft.com/v1.0/sites/<SharePoint site ID>/drive发出请求，响应将返回一个有效负载，其中包含一个名为id的字段，该字段保存您的文档库 ID的 ID。
🧑 从 SharePoint 文档库导入文档的说明
🔑 身份验证
默认情况下，SharePointLoader 预计CLIENT_ID 和CLIENT_SECRET 的值必须存储为名为O365_CLIENT_ID 和O365_CLIENT_SECRET 的环境变量。您可以通过应用程序根目录的.env 文件或在脚本中使用以下命令传递这些环境变量。
os.environ['O365_CLIENT_ID'] = "YOUR CLIENT ID"
os.environ['O365_CLIENT_SECRET'] = "YOUR CLIENT SECRET"
此加载器使用称为 代表用户 的身份验证。这是一种两步身份验证，需要用户同意。当您实例化加载器时，它将调用并打印一个 URL，用户必须访问该 URL 以向应用程序授予所需权限。用户必须访问此 URL 并授予应用程序权限。然后，用户必须复制生成的页面 URL 并将其粘贴回控制台。如果登录尝试成功，该方法将返回 True。
from langchain_community.document_loaders.sharepoint import SharePointLoader
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID")
身份验证完成后，加载器将在~/.credentials/ 文件夹中存储一个令牌（o365_token.txt）。此令牌稍后可用于进行身份验证，而无需执行前面解释的复制/粘贴步骤。要使用此令牌进行身份验证，您需要在加载器实例化时将auth_with_token 参数更改为 True。
from langchain_community.document_loaders.sharepoint import SharePointLoader
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", auth_with_token=True)
🗂️ 文档加载器
📑 从文档库目录加载文档
SharePointLoader 可以从文档库中的特定文件夹加载文档。例如，您想加载存储在文档库中Documents/marketing 文件夹中的所有文档。
from langchain_community.document_loaders.sharepoint import SharePointLoader
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", folder_path="Documents/marketing", auth_with_token=True)
documents = loader.load()
如果您收到无法为该段找到资源错误，请尝试使用folder_id 而不是文件夹路径，这可以从 Microsoft Graph API 获取。
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", auth_with_token=True
folder_id="<folder-id>")
documents = loader.load()
如果您希望从根目录加载文档，可以省略folder_id、folder_path 和documents_ids，加载器将加载根目录。
# loads documents from root directory
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", auth_with_token=True)
documents = loader.load()
结合recursive=True，您可以轻松地从整个 SharePoint 加载所有文档
# loads documents from root directory
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID",
recursive=True,
auth_with_token=True)
documents = loader.load()
📑 从文档 ID 列表加载文档
另一种方法是提供要加载的每个文档的object_id 列表。为此，您需要查询 Microsoft Graph API 以找到您感兴趣的所有文档 ID。此 链接 提供了一些有用的端点列表，可用于检索文档 ID。
例如，要检索有关存储在data/finance/ 文件夹中的所有对象的信息，您需要向以下地址发出请求：https://graph.microsoft.com/v1.0/drives/<document-library-id>/root:/data/finance:/children。获取到您感兴趣的 ID 列表后，您可以使用以下参数实例化加载器。
from langchain_community.document_loaders.sharepoint import SharePointLoader
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", object_ids=["ID_1", "ID_2"], auth_with_token=True)
documents = loader.load()