Skip to main content
ZeroxPDFLoader 是一款利用 Zerox 库的文档加载器。Zerox 将 PDF 文档转换为图像，使用支持视觉的语言模型进行处理，并生成结构化的 Markdown 表示。该加载器支持异步操作，并提供页面级文档提取。

​
集成详情

类包本地支持可序列化JS 支持
ZeroxPDFLoaderlangchain_community❌❌❌

​
加载器功能

来源文档懒加载原生异步支持
ZeroxPDFLoader✅❌

​
安装

​
凭证

需要在环境变量中设置相应的凭证。该加载器支持多种不同的模型和模型提供商。请参阅下方 用法 部分查看几个示例，或参阅 Zerox 文档 获取完整的支持模型列表。

​
安装依赖

要使用 ZeroxPDFLoader，您需要安装 zerox 包，并确保已安装 langchain-community。 
pip install zerox langchain-community

​
初始化

ZeroxPDFLoader 通过将每页转换为图像并异步处理，使用支持视觉的语言模型实现 PDF 文本提取。要使用此加载器，您需要指定一个模型，并为 Zerox 配置必要的环境变量（如 API 密钥）。 如果在 Jupyter Notebook 等环境中工作，可能需要使用 nest_asyncio 处理异步代码，设置如下： 
import nest_asyncio
nest_asyncio.apply()

import os

# 在 Jupyter Notebook 内部使用时需要 nest_asyncio
import nest_asyncio
from langchain_community.document_loaders.pdf import ZeroxPDFLoader

nest_asyncio.apply()

# 指定要处理的 PDF 的 URL 或文件路径
# 此处使用网络上的 PDF
file_path = "https://assets.ctfassets.net/f1df9zr7wr1a/soP1fjvG1Wu66HJhu3FBS/034d6ca48edb119ae77dec5ce01a8612/OpenAI_Sacra_Teardown.pdf"

# 设置视觉模型所需的环境变量
os.environ["OPENAI_API_KEY"] = (
    "zK3BAhQUmbwZNoHoOcscBwQdwi3oc3hzwJmbgdZ"  ## 您的 API 密钥
)

# 使用所需模型初始化 ZeroxPDFLoader
loader = ZeroxPDFLoader(file_path=file_path, model="azure/gpt-4.1-mini")

​
加载

# 加载文档并查看第一页：
documents = loader.load()
documents[0]

# 查看已解析的第一页内容
print(documents[0].page_content)

​
懒加载

加载器始终以懒加载方式获取结果。.load() 方法等效于 .lazy_load()。

​
API 参考

​
ZeroxPDFLoader

该加载器类初始化时需要文件路径和模型类型，并支持通过 zerox_kwargs 传入 Zerox 特定参数进行自定义配置。 参数：
  • file_path（Union[str, Path]）：PDF 文件路径。
  • model（str）：用于处理的支持视觉的模型，格式为 <provider>/<model>。有效值示例：
    • model = "gpt-4.1-mini" ## openai 模型
    • model = "azure/gpt-4.1-mini"
    • model = "gemini/gpt-4.1-mini"
    • model="claude-3-opus-20240229"
    • model = "vertex_ai/gemini-2.5-flash"
    • 更多详情请参阅 Zerox 文档
    • 默认为 "gpt-4.1-mini"。
  • **zerox_kwargs（dict）：Zerox 特定的额外参数，如 API 密钥、端点等。
方法：
  • lazy_load：生成 Document 实例的迭代器，每个实例代表 PDF 的一页，附带包含页码和来源的元数据。
完整 API 文档请参阅此处。

​
注意事项

  • 模型兼容性：Zerox 支持多种视觉模型。请参阅 Zerox GitHub 文档 获取支持的模型列表和配置详情。
  • 环境变量：请确保按照 Zerox 文档的说明设置所需的环境变量，如 API_KEY 或端点信息。
  • 异步处理：如果在 Jupyter Notebook 中遇到事件循环相关错误，可能需要如安装部分所示应用 nest_asyncio。

​
故障排查

  • RuntimeError: This event loop is already running：使用 nest_asyncio.apply() 防止 Jupyter 等环境中的异步循环冲突。
  • 配置错误：验证 zerox_kwargs 是否与您所选模型的预期参数匹配，以及是否已设置所有必要的环境变量。

​
其他资源

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。