Dedoc

Dedoc 是一个 开源 库/服务，用于从各种格式的文件中提取文本、表格、附件文件和文档结构 （例如标题、列表项等）。

Dedoc 支持 DOCX, XLSX, PPTX, EML, HTML, PDF、图像等更多格式。 支持的完整格式列表可在此处找到：此处。

安装与设置

Dedoc 库

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

pip install dedoc

Dedoc API

如果您打算使用 Dedoc API，则无需安装 dedoc 库。 在这种情况下，您应运行 Dedoc 服务，例如 Docker 容器（请参见 文档 以获取更多信息）：

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

文档加载器

• 对于处理任何格式的文件（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

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

  from langchain_community.document_loaders import DedocAPIFileLoader

请参阅 使用示例 以获取更多详细信息。