Skip to main content
UnstructuredExcelLoader 用于加载 Microsoft Excel 文件。该加载器适用于 .xlsx.xls 文件。页面内容将是 Excel 文件的原始文本。如果您在 "elements" 模式下使用加载器,Excel 文件的 HTML 表示形式将在文档元数据的 text_as_html 键下可用。 请参阅 Unstructured 以获取有关在本地设置 Unstructured 的更多说明,包括设置所需的系统依赖项。

使用 Azure AI 文档智能服务

Azure AI 文档智能服务(前身为 Azure 表单识别器)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(包括手写内容)、表格、文档结构(例如标题、章节标题等)以及键值对。 文档智能服务支持 PDFJPEG/JPGPNGBMPTIFFHEIFDOCXXLSXPPTXHTML
当前使用 文档智能服务 的加载器实现可以按页面整合内容并将其转换为 LangChain 文档。默认输出格式为 Markdown,可以轻松地与 MarkdownHeaderTextSplitter 链接以进行语义文档分块。您也可以使用 mode="single"mode="page" 来返回单页或按页分割的文档中的纯文本。

前提条件

一个位于以下三个预览区域之一的 Azure AI 文档智能服务资源:美国东部美国西部2西欧 - 如果您还没有,请按照此文档创建一个。您将把 <endpoint><key> 作为参数传递给加载器。