Microsoft OneDrive
Microsoft OneDrive(前称
SkyDrive
)是由微软运营的文件托管服务。
本笔记本涵盖如何从 OneDrive
加载文档。目前,仅支持 docx、doc 和 pdf 文件。
前提条件
- 按照 Microsoft 身份平台 的说明注册一个应用程序。
- 注册完成后,Azure 门户将显示应用注册的概述面板。您将看到应用程序(客户端)ID。也称为
client ID
,此值唯一标识您在 Microsoft 身份平台中的应用程序。 - 在您将要遵循的 第 1 项 步骤中,您可以将重定向 URI 设置为
http://localhost:8000/callback
。 - 在您 将要遵循的 第 1 项 步骤中,在应用程序机密部分生成一个新密码(
client_secret
)。 - 按照此 文档 中的说明,将以下
SCOPES
(offline_access
和Files.Read.All
)添加到您的应用程序中。 - 访问 Graph Explorer Playground 以获取您的
OneDrive ID
。第一步是确保您已使用与您的 OneDrive 账户关联的帐户登录。然后,您需要向https://graph.microsoft.com/v1.0/me/drive
发出请求,响应将返回一个有效负载,其中包含一个字段id
,该字段保存您的 OneDrive 账户的 ID。 - 您需要使用命令
pip install o365
安装 o365 包。 - 在步骤结束时,您必须拥有以下值:
CLIENT_ID
CLIENT_SECRET
DRIVE_ID
🧑 从 OneDrive 导入文档的说明
🔑 认证
默认情况下,OneDriveLoader
期望 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。您可以通过在应用程序根目录下使用 .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"
该加载器使用一种称为代表用户的身份验证。这是一种需要用户同意的两步身份验证。当您实例化加载器时,它将打印一个URL,用户必须访问该URL以对应用程序所需权限给予同意。然后用户必须访问此URL并对应用程序给予同意。接着,用户必须复制结果页面的URL并粘贴回控制台。如果登录尝试成功,该方法将返回True。
<!--IMPORTS:[{"imported": "OneDriveLoader", "source": "langchain_community.document_loaders.onedrive", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.onedrive.OneDriveLoader.html", "title": "Microsoft OneDrive"}]-->
from langchain_community.document_loaders.onedrive import OneDriveLoader
loader = OneDriveLoader(drive_id="YOUR DRIVE ID")
一旦完成身份验证,加载器将在~/.credentials/
文件夹中存储一个令牌(o365_token.txt
)。此令牌可以在后续的身份验证中使用,而无需之前解释的复制/粘贴步骤。要使用此令牌进行身份验证,您需要在加载器的实例化中将auth_with_token
参数更改为True。
<!--IMPORTS:[{"imported": "OneDriveLoader", "source": "langchain_community.document_loaders.onedrive", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.onedrive.OneDriveLoader.html", "title": "Microsoft OneDrive"}]-->
from langchain_community.document_loaders.onedrive import OneDriveLoader
loader = OneDriveLoader(drive_id="YOUR DRIVE ID", auth_with_token=True)
🗂️ 文档加载器
📑 从OneDrive目录加载文档
OneDriveLoader
可以从您的OneDrive中的特定文件夹加载文档。例如,您想加载存储在OneDrive中的Documents/clients
文件夹中的所有文档。
<!--IMPORTS:[{"imported": "OneDriveLoader", "source": "langchain_community.document_loaders.onedrive", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.onedrive.OneDriveLoader.html", "title": "Microsoft OneDrive"}]-->
from langchain_community.document_loaders.onedrive import OneDriveLoader
loader = OneDriveLoader(drive_id="YOUR DRIVE ID", folder_path="Documents/clients", auth_with_token=True)
documents = loader.load()
📑 从文档ID列表加载文档
另一种可能性是提供每个要加载的文档的object_id
列表。为此,您需要查询Microsoft Graph API以查找您感兴趣的所有文档ID。此链接提供了一系列端点,这些端点将有助于检索文档ID。
例如,要检索存储在文档文件夹根目录下的所有对象的信息,您需要发出请求到:https://graph.microsoft.com/v1.0/drives/{YOUR DRIVE ID}/root/children
。一旦您获得了感兴趣的ID列表,您就可以使用以下参数实例化加载器。
<!--IMPORTS:[{"imported": "OneDriveLoader", "source": "langchain_community.document_loaders.onedrive", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.onedrive.OneDriveLoader.html", "title": "Microsoft OneDrive"}]-->
from langchain_community.document_loaders.onedrive import OneDriveLoader
loader = OneDriveLoader(drive_id="YOUR DRIVE ID", object_ids=["ID_1", "ID_2"], auth_with_token=True)
documents = loader.load()