Azure AI 文档智能
Azure AI 文档智能(前称
Azure 表单识别器
)是基于机器学习的 服务,能够从数字或扫描的PDF、图像、Office和HTML文件中提取文本(包括手写)、表格、文档结构(例如标题、章节标题等)和键值对。文档智能支持
JPEG/JPG
、PNG
、BMP
、TIFF
、HEIF
、DOCX
、XLSX
、PPTX
和HTML
。 当前使用文档智能
的加载器实现可以按页面整合内容并将其转换为 LangChain 文档。默认输出格式为 markdown,可以与MarkdownHeaderTextSplitter
轻松链式处理以进行语义文档分块。您还可以使用mode="single"
或mode="page"
返回单页或按页分割的纯文本。