跳到主要內容
Open In ColabOpen on GitHub

Microsoft OneDrive

Microsoft OneDrive (原名 SkyDrive) 是由微軟營運的檔案託管服務。

本筆記本涵蓋了如何從 OneDrive 載入文檔。預設情況下，文檔載入器會載入 pdf、doc、docx 和 txt 檔案。您可以通過提供適當的解析器來載入其他檔案類型（詳見下文）。

先決條件​

  1. 請依照 Microsoft identity platform 的指示註冊應用程式。
  2. 註冊完成後，Azure 入口網站會顯示應用程式註冊的「概觀」窗格。您會看到應用程式 (用戶端) ID。此值也稱為 client ID，在 Microsoft identity platform 中唯一識別您的應用程式。
  3. 在步驟 項目 1 中，您可以將重新導向 URI 設定為 https://127.0.0.1:8000/callback
  4. 在步驟 項目 1 中，於「應用程式密碼」區段下產生新的密碼 (client_secret)。
  5. 請依照此文檔中的指示，將以下 SCOPES (offline_access 和 Files.Read.All) 新增至您的應用程式。
  6. 請訪問 Graph Explorer Playground 以取得您的 OneDrive ID。第一步是確保您使用與您的 OneDrive 帳戶相關聯的帳戶登入。然後您需要向 https://graph.microsoft.com/v1.0/me/drive 發出請求，回應將傳回一個包含欄位 id 的 payload，其中包含您的 OneDrive 帳戶的 ID。
  7. 您需要使用命令 pip install o365 安裝 o365 套件。
  8. 在步驟結束時，您必須擁有以下值
  • CLIENT_ID
  • CLIENT_SECRET
  • DRIVE_ID

🧑 從 OneDrive 攝取文檔的指示​

🔑 身份驗證​

預設情況下，OneDriveLoader 期望 CLIENT_ID 和 CLIENT_SECRET 的值必須儲存為名為 O365_CLIENT_ID 和 O365_CLIENT_SECRET 的環境變數。您可以通過應用程式根目錄下的 .env 檔案或在腳本中使用以下命令傳遞這些環境變數。

os.environ['O365_CLIENT_ID'] = "YOUR CLIENT ID"
os.environ['O365_CLIENT_SECRET'] = "YOUR CLIENT SECRET"

此載入器使用一種稱為代表用戶的身份驗證。這是一個包含用戶同意的 2 步驟身份驗證。當您實例化載入器時，它將呼叫並列印一個 URL，用戶必須訪問該 URL 以授予應用程式所需的權限的同意。然後，用戶必須訪問此 URL 並同意應用程式。然後，用戶必須複製結果頁面 URL 並將其貼回控制台。如果登入嘗試成功，該方法將傳回 True。

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID")
API 參考文檔：OneDriveLoader

身份驗證完成後，載入器將在 ~/.credentials/ 資料夾中儲存一個令牌 (o365_token.txt)。此令牌稍後可用於身份驗證，而無需執行先前說明的複製/貼上步驟。若要使用此令牌進行身份驗證，您需要在實例化載入器時將 auth_with_token 參數變更為 True。

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", auth_with_token=True)
API 參考文檔：OneDriveLoader

🗂️ 文檔載入器​

📑 從 OneDrive 目錄載入文檔​

OneDriveLoader 可以從您的 OneDrive 中的特定資料夾載入文檔。例如，您想要載入儲存在 OneDrive 中 Documents/clients 資料夾中的所有文檔。

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", folder_path="Documents/clients", auth_with_token=True)
documents = loader.load()
API 參考文檔：OneDriveLoader

📑 從文檔 ID 列表載入文檔​

另一種可能性是為您想要載入的每個文檔提供 object_id 列表。為此，您需要查詢 Microsoft Graph API 以尋找您感興趣的所有文檔 ID。此連結提供了一系列端點，這些端點將有助於檢索文檔 ID。

例如，若要檢索有關儲存在 Documents 資料夾根目錄中的所有物件的資訊，您需要向以下網址發出請求：https://graph.microsoft.com/v1.0/drives/{YOUR DRIVE ID}/root/children。一旦您擁有您感興趣的 ID 列表，您就可以使用以下參數實例化載入器。

from langchain_community.document_loaders.onedrive import OneDriveLoader

loader = OneDriveLoader(drive_id="YOUR DRIVE ID", object_ids=["ID_1", "ID_2"], auth_with_token=True)
documents = loader.load()
API 參考文檔：OneDriveLoader

📑 選擇支援的檔案類型和首選解析器​

預設情況下，OneDriveLoader 會使用預設解析器載入 document_loaders/parsers/registry 中定義的檔案類型（見下文）。

def _get_default_parser() -> BaseBlobParser:
    """Get default mime-type based parser."""
    return MimeTypeBasedParser(
        handlers={
            "application/pdf": PyMuPDFParser(),
            "text/plain": TextParser(),
            "application/msword": MsWordParser(),
            "application/vnd.openxmlformats-officedocument.wordprocessingml.document": (
                MsWordParser()
            ),
        },
        fallback_parser=None,
    )

您可以通過將 handlers 參數傳遞給 OneDriveLoader 來覆寫此行為。傳遞一個字典，將檔案副檔名 (如 "doc"、"pdf" 等) 或 MIME 類型 (如 "application/pdf"、"text/plain" 等) 對應到解析器。請注意，您必須專門使用檔案副檔名或 MIME 類型，並且不能將它們混合使用。

檔案副檔名請勿包含開頭的點。

# using file extensions:
handlers = {
    "doc": MsWordParser(),
    "pdf": PDFMinerParser(),
    "mp3": OpenAIWhisperParser()
}

# using MIME types:
handlers = {
    "application/msword": MsWordParser(),
    "application/pdf": PDFMinerParser(),
    "audio/mpeg": OpenAIWhisperParser()
}

loader = OneDriveLoader(document_library_id="...",
                            handlers=handlers # pass handlers to OneDriveLoader
                            )

如果多個檔案副檔名對應到相同的 MIME 類型，則最後一個字典項目將適用。範例

# 'jpg' and 'jpeg' both map to 'image/jpeg' MIME type. SecondParser() will be used 
# to parse all jpg/jpeg files.
handlers = {
    "jpg": FirstParser(),
    "jpeg": SecondParser()
}

此頁面是否對您有幫助？