非结构化 XML 加载器

此笔记本提供了快速入门指南，介绍如何使用 UnstructuredXMLLoader 文档加载器。UnstructuredXMLLoader 用于加载 XML 文件。加载器适用于 .xml 文件。页面内容将是从 XML 标签中提取的文本。

概述

集成详细信息

类	包	本地	可序列化	JS 支持
非结构化 XML 加载器	langchain_community	✅	❌	✅

加载器功能

来源	文档延迟加载	原生异步支持
非结构化 XML 加载器	✅	❌

设置

要访问 UnstructuredXMLLoader 文档加载器，您需要安装 langchain-community 集成包。

凭据

使用 UnstructuredXMLLoader 不需要任何凭据。

如果您希望自动获取一流的模型调用跟踪，还可以通过取消注释以下内容来设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装

安装 langchain_community。

%pip install -qU langchain_community

初始化

现在我们可以实例化我们的模型对象并加载文档。

from langchain_community.document_loaders import UnstructuredXMLLoader

loader = UnstructuredXMLLoader(
    "./example_data/factbook.xml",
)

API 参考：UnstructuredXMLLoader

加载

docs = loader.load()
docs[0]

Document(metadata={'source': './example_data/factbook.xml'}, page_content='United States\n\nWashington, DC\n\nJoe Biden\n\nBaseball\n\nCanada\n\nOttawa\n\nJustin Trudeau\n\nHockey\n\nFrance\n\nParis\n\nEmmanuel Macron\n\nSoccer\n\nTrinidad & Tobado\n\nPort of Spain\n\nKeith Rowley\n\nTrack & Field')

print(docs[0].metadata)

{'source': './example_data/factbook.xml'}

延迟加载

page = []
for doc in loader.lazy_load():
    page.append(doc)
    if len(page) >= 10:
        # do some paged operation, e.g.
        # index.upsert(page)

        page = []

API 参考

有关所有 ModuleNameLoader 功能和配置的详细文档，请访问 API 参考： https://python.langchain.ac.cn/v0.2/api_reference/community/document_loaders/langchain_community.document_loaders.xml.UnstructuredXMLLoader.html

相关

• 文档加载器 概念指南
• 文档加载器 操作指南