Skip to main content
Open on GitHub

Dedoc

Dedoc is an open-source library/service that extracts texts, tables, attached files and document structure (e.g., titles, list items, etc.) from files of various formats.

Dedoc 支持 DOCX、XLSX、PPTX、EML、HTML、PDF、图片及其他格式。 支持的格式完整列表可在此处找到 这里。

安装与设置​

Dedoc 库​

您可以使用 Dedoc 安装 pip。 在这种情况下，您需要安装依赖项， 请单击 此处 获取更多信息。

pip install dedoc

Dedoc API​

如果您要使用 Dedoc API，则无需安装 dedoc 库。 在这种情况下，您应该运行 Dedoc 服务，例如 Docker 容器（详情请参见 文档 ）：

docker pull dedocproject/dedoc
docker run -p 1231:1231

文档加载器​

  • 对于任何格式的文件（由 Dedoc 支持），您可以使用 DedocFileLoader：

    from langchain_community.document_loaders import DedocFileLoader

  • 对于处理PDF文件（无论是否包含文本层），您可以使用 DedocPDFLoader：

    from langchain_community.document_loaders import DedocPDFLoader

  • 无需安装库即可处理任何格式的文件， 您可以使用 Dedoc API 和 DedocAPIFileLoader：

    from langchain_community.document_loaders import DedocAPIFileLoader

请参阅 使用示例 以获取更多详细信息。