Skip to main content
本笔记本提供了 UnDatasIO 文档加载器 的快速入门概述。UnDatasIO 支持高效加载和解析多种文档格式，包括 PDF、PNG、JPG、JPEG 和 JFIF，具备文档懒加载和原生异步支持等特性，全程通过 UnDatasIO 的安全云端 API 处理。这些功能使得处理后的数据可直接用于 RAG 等生成式 AI 工作流。 有关所有功能和配置的详细文档，请参阅官方 API 参考文档。

​
概述

​
加载器功能

来源文档懒加载原生异步支持
UnDatasIOLoader✅✅

​
安装

​
凭证

UnDatasIO 需要 API 令牌。 在 undatas.io 生成免费令牌，并在下方单元格中设置： 
import getpass
import os

if "UNDATASIO_TOKEN" not in os.environ:
    os.environ["UNDATASIO_TOKEN"] = getpass.getpass(
        "Enter your UnDatasIO API token: "
    )

​
安装依赖

​
常规安装

运行本笔记本其余部分需要以下包。 
# 安装包，与 API 分区兼容
pip install langchain-undatasio

​
初始化

UnDatasIOLoader 通过 UnDatasIO 云端 API 支持单文件上传和解析。 
from langchain_undatasio import UnDatasIOLoader

loader = UnDatasIOLoader(
    token=os.environ["UNDATASIO_TOKEN"],
    file_path="demo.pdf"
)

​
加载

docs = loader.load()
docs[0]

Document(
    metadata={'source': 'demo.pdf', 'task_id': 't1', 'file_id': 'f1'},
    page_content='Growing a Tail: Increasing Output Diversity in Large Language Models\n\nAuthors: Michal Shur-Ofry1, Bar Horowitz-Amsalem1†, Adir Rahamim2, Yonatan Belinkov2*\n\nAffiliations:\n\n1Law Faculty, Hebrew University of Jerusalem; Jerusalem, Israel.\n\n2Faculty of Computer Science, Technion – I'
)

print(docs[0].page_content[:300])

Growing a Tail: Increasing Output Diversity in Large Language Models

Authors: Michal Shur-Ofry1, Bar Horowitz-Amsalem1†, Adir Rahamim2, Yonatan Belinkov2*

Affiliations:

1Law Faculty, Hebrew University of Jerusalem; Jerusalem, Israel.

2Faculty of Computer Science, Technion – I

​
懒加载

UnDatasIOLoader 支持懒加载，以实现内存高效的迭代。 
pages = []
for doc in loader.lazy_load():
    pages.append(doc)

pages[0]

Document(
    metadata={'source': 'demo.pdf', 'task_id': 't1', 'file_id': 'f1'},
    page_content='Growing a Tail: Increasing Output Diversity in Large Language Models\n\nAuthors: Michal Shur-Ofry1, Bar Horowitz-Amsalem1†, Adir Rahamim2, Yonatan Belinkov2*\n\nAffiliations:\n\n1Law Faculty, Hebrew University of Jerusalem; Jerusalem, Israel.\n\n2Faculty of Computer Science, Technion – I'
)

​
另请参阅

在 GitHub 上编辑此页面 或 提交问题。
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时解答。