如何加载 Microsoft Office 文件
Microsoft Office 办公软件套件包括 Microsoft Word、Microsoft Excel、Microsoft PowerPoint、Microsoft Outlook 和 Microsoft OneNote。它适用于 Microsoft Windows 和 macOS 操作系统，同时也可在 Android 和 iOS 上使用。
这涵盖了如何将常用的文件格式，包括 DOCX、XLSX 和 PPTX 文档加载到 LangChain
Document
对象中，以便在后续步骤中使用。
使用 Azure AI 文档智能加载 DOCX、XLSX、PPTX
Azure AI 文档智能（前身为 Azure Form Recognizer）是一项基于机器学习的服务，可从数字或扫描的 PDF、图像、Office 和 HTML 文件中提取文本（包括手写体）、表格、文档结构（例如标题、章节标题等）以及键值对。文档智能支持 PDF、JPEG/JPG、PNG、BMP、TIFF、HEIF、DOCX、XLSX、PPTX 和 HTML。
此 当前实现 使用 Document Intelligence 可以按页面逐页整合内容，并将其转换为 LangChain 文档。默认输出格式为 Markdown，可轻松与 MarkdownHeaderTextSplitter 链接，用于语义文档分块。您也可以使用 mode="single" 或 mode="page" 返回单个页面的纯文本，或按页面分割的文档。
前置条件
在以下三个预览区域之一的 Azure AI 文档智能资源：美国东部、美国西部2、欧洲西部 - 如果您还没有，请按照此文档创建一个。您将向加载器传递 <endpoint> 和 <key> 作为参数。
%pip install --upgrade --quiet langchain langchain-community azure-ai-documentintelligence
from langchain_community.document_loaders import AzureAIDocumentIntelligenceLoader
file_path = "<filepath>"
endpoint = "<endpoint>"
key = "<key>"
loader = AzureAIDocumentIntelligenceLoader(
api_endpoint=endpoint, api_key=key, file_path=file_path, api_model="prebuilt-layout"
)
documents = loader.load()