Skip to main content
来自 Unstructured.IO 的 unstructured 包从原始源文档（如 PDF 和 Word 文档）中提取干净的文本。 本页介绍如何在 LangChain 中使用 unstructured 生态系统。

​
安装和设置

如果您使用的是本地运行的加载器，请按照以下步骤获取 unstructured 及其依赖项。
  • 为了获得最小的安装占用空间并利用开源 unstructured 包中不可用的功能，请使用 pip install unstructured-client 安装 Python SDK，并配合 pip install langchain-unstructured 以使用 UnstructuredLoader 并远程针对 Unstructured API 进行分区。此加载器位于 LangChain 合作伙伴仓库中，而不是 langchain-community 仓库中，您需要一个 api_key。您可以在 Unstructured API 密钥页面 生成一个免费密钥。
  • 要在本地运行所有内容，请使用 pip install unstructured 安装开源 Python 包，并配合 pip install langchain-community，并使用与上述相同的 UnstructuredLoader。
    • 您可以使用额外功能安装特定于文档的依赖项，例如 pip install "unstructured[docx]"。在完整安装文档中了解更多关于额外功能的信息。
    • 要安装所有文档类型的依赖项，请使用 pip install "unstructured[all-docs]"。
  • 如果您的系统上尚未安装以下系统依赖项，请安装它们，例如在 Mac 上使用 brew install。根据您解析的文档类型，您可能不需要全部这些依赖项。
    • libmagic-dev（文件类型检测）
    • poppler-utils（图像和 PDF）
    • tesseract-ocr（图像和 PDF）
    • qpdf（PDF）
    • libreoffice（MS Office 文档）
    • pandoc（EPUB）
  • 本地运行时，Unstructured 还建议使用 Docker 按照本指南 确保所有系统依赖项正确安装。
Unstructured API 需要 API 密钥才能发出请求。 您可以请求一个 API 密钥 并立即开始使用！ 查看 Unstructured API README 以开始进行 API 调用。 我们很乐意听取您的反馈，请在我们的社区 Slack 中告诉我们进展如何。 并关注质量和性能的改进！ 如果您想自托管 Unstructured API 或在本地运行，请查看 Docker 自托管说明。

​
数据加载器

Unstructured 的主要用途是在数据加载器中。

​
UnstructuredLoader

查看使用示例，了解如何使用此加载器进行本地分区和远程使用无服务器 Unstructured API。 
from langchain_unstructured import UnstructuredLoader

​
UnstructuredCHMLoader

CHM 表示 Microsoft 编译的 HTML 帮助。 
from langchain_community.document_loaders import UnstructuredCHMLoader

​
UnstructuredCSVLoader

逗号分隔值 (CSV) 文件是一种使用逗号分隔值的分隔文本文件。文件的每一行都是一个数据记录。 每个记录由一个或多个字段组成，字段之间用逗号分隔。 查看使用示例。 
from langchain_community.document_loaders import UnstructuredCSVLoader

​
UnstructuredEmailLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredEmailLoader

​
UnstructuredEPubLoader

EPUB 是一种使用“.epub”文件扩展名的电子书文件格式。该术语是电子出版物的缩写，有时也写作 ePub。EPUB 受许多电子阅读器支持，并且适用于大多数智能手机、平板电脑和计算机的兼容软件。 查看使用示例。 
from langchain_community.document_loaders import UnstructuredEPubLoader

​
UnstructuredExcelLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredExcelLoader

​
UnstructuredFileIOLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredFileIOLoader

​
UnstructuredHTMLLoader

from langchain_community.document_loaders import UnstructuredHTMLLoader

​
UnstructuredImageLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredImageLoader

​
UnstructuredMarkdownLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredMarkdownLoader

​
UnstructuredODTLoader

办公应用程序开放文档格式 (ODF)，也称为 OpenDocument，是一种用于文字处理文档、电子表格、演示文稿和图形的开放文件格式，使用 ZIP 压缩的 XML 文件。它的开发旨在为办公应用程序提供开放的、基于 XML 的文件格式规范。 查看使用示例。 
from langchain_community.document_loaders import UnstructuredODTLoader

​
UnstructuredOrgModeLoader

Org Mode 文档是一种文档编辑、格式化和组织模式，设计用于在免费软件文本编辑器 Emacs 中进行笔记、规划和创作。 查看使用示例。 
from langchain_community.document_loaders import UnstructuredOrgModeLoader

​
UnstructuredPDFLoader

from langchain_community.document_loaders import UnstructuredPDFLoader

​
UnstructuredPowerPointLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredPowerPointLoader

​
UnstructuredRSTLoader

reStructured Text (RST) 文件是一种文本数据文件格式，主要用于 Python 编程语言社区的技术文档。 查看使用示例。 
from langchain_community.document_loaders import UnstructuredRSTLoader

​
UnstructuredRTFLoader

在 API 文档中查看使用示例。 
from langchain_community.document_loaders import UnstructuredRTFLoader

​
UnstructuredTSVLoader

制表符分隔值 (TSV) 文件是一种用于存储表格数据的简单、基于文本的文件格式。 记录由换行符分隔，记录内的值由制表符分隔。 查看使用示例。 
from langchain_community.document_loaders import UnstructuredTSVLoader

​
UnstructuredURLLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredURLLoader

​
UnstructuredWordDocumentLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredWordDocumentLoader

​
UnstructuredXMLLoader

查看使用示例。 
from langchain_community.document_loaders import UnstructuredXMLLoader
在 GitHub 上编辑此页面 或提交问题。
连接这些文档 到 Claude、VSCode 等，通过 MCP 获取实时答案。