Skip to main content
Open on GitHub

Dedoc

Dedoc 是一个 开源 库/服务，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、图片等。 支持的格式的完整列表可以在 此处 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， 请前往 此处 了解更多信息。

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 了解更多详情）：

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

文档加载器​

  • 要处理任何格式的文件（Dedoc 支持），您可以使用 DedocFileLoader：

    from langchain_community.document_loaders import DedocFileLoader

  • 要处理 PDF 文件（带或不带文本层），您可以使用 DedocPDFLoader：

    from langchain_community.document_loaders import DedocPDFLoader

  • 要在不安装库的情况下处理任何格式的文件， 您可以使用 Dedoc API 和 DedocAPIFileLoader：

    from langchain_community.document_loaders import DedocAPIFileLoader

请参阅 使用示例 了解更多详情。