MathPixPDFLoader

灵感来自于 Daniel Gross 的代码片段： https://gist.github.com/danielgross/3ab4104e14faccc12b49200843adab21

概述

集成细节

类别	包名	本地	可序列化	JS 支持
MathPixPDFLoader	langchain_community	✅	❌	❌

加载器特性

来源	文档懒加载	原生异步支持
MathPixPDFLoader	✅	❌

设置

凭证

注册 Mathpix 并 创建一个 API 密钥 以在您的环境中设置 MATHPIX_API_KEY 变量

import getpass
import os

if "MATHPIX_API_KEY" not in os.environ:
    os.environ["MATHPIX_API_KEY"] = getpass.getpass("Enter your Mathpix API key: ")

如果您想要自动获取最佳的模型调用追踪，您还可以通过取消下面的注释来设置您的 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

现在我们准备初始化我们的加载器：

<!--IMPORTS:[{"imported": "MathpixPDFLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.pdf.MathpixPDFLoader.html", "title": "MathPixPDFLoader"}]-->
from langchain_community.document_loaders import MathpixPDFLoader

file_path = "./example_data/layout-parser-paper.pdf"
loader = MathpixPDFLoader(file_path)

加载

docs = loader.load()
docs[0]

print(docs[0].metadata)

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 MathpixPDFLoader 功能和配置的详细文档，请访问 API 参考：https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.pdf.MathpixPDFLoader.html

相关

• 文档加载器 概念指南
• 文档加载器 操作指南