MathPixPDFLoader

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

概览

集成详情

类	包	本地	可序列化的	JS 支持
MathPixPDFLoader	langchain_community	✅	❌	❌

加载器功能

源	文档延迟加载	原生异步支持
MathPixPDFLoader	✅	❌

设置

凭据

注册 Mathpix 并创建 API 密钥，以设置您环境中的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: ")

要启用模型调用的自动跟踪，请设置您的 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，我们已准备好初始化加载器：

from langchain_community.document_loaders import MathpixPDFLoader

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

API 参考：MathpixPDFLoader

加载

docs = loader.load()
docs[0]

print(docs[0].metadata)

懒加载

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，请参阅 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 操操作指南