Skip to main content

非结构化XML加载器

本笔记本提供了关于如何使用非结构化XML加载器 文档加载器 的快速概述。UnstructuredXMLLoader 用于加载 XML 文件。该加载器适用于 .xml 文件。页面内容将是从 XML 标签中提取的文本。

概述

集成细节

包名本地可序列化JS支持
UnstructuredXMLLoaderlangchain_community

加载器特性

来源文档懒加载原生异步支持
UnstructuredXMLLoader

设置

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

凭证

使用 UnstructuredXMLLoader 不需要凭证

如果您想自动获取模型调用的最佳追踪,您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:

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

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

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 __ModuleName__Loader 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.xml.UnstructuredXMLLoader.html

相关


Was this page helpful?


You can also leave detailed feedback on GitHub.

扫我,入群扫我,找书