跳至主要內容

Microsoft OneDrive

Microsoft OneDrive (前身為 SkyDrive) 是由 Microsoft 營運的檔案託管服務。

本筆記本涵蓋如何從 OneDrive 載入文件。預設情況下，文件載入器會載入 pdf、doc、docx 和 txt 檔案。您可以透過提供適當的剖析器來載入其他檔案類型（請參閱下文了解更多資訊）。

先決條件​

  1. 依照 Microsoft 身分識別平台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。也稱為 client ID，此值可唯一識別您在 Microsoft 身分識別平台中的應用程式。
  3. 在您將於項目 1 中執行的步驟中，您可以將重新導向 URI 設定為 https://127.0.0.1:8000/callback
  4. 在您將於項目 1 中執行的步驟中，請在「應用程式密碼」區段下產生新的密碼 (client_secret)。
  5. 依照此文件中的指示，將下列 SCOPES (offline_access 和 Files.Read.All) 新增至您的應用程式。
  6. 造訪 Graph Explorer Playground 以取得您的 OneDrive ID。 第一步是確保您已使用與您的 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，並且回應將傳回一個具有欄位 id 的酬載，該欄位包含您 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 擷取文件的指示​

🔑 驗證​

預設情況下，OneDriveLoader 期望 CLIENT_ID 和 CLIENT_SECRET 的值必須分別儲存為名為 O365_CLIENT_ID 和 O365_CLIENT_SECRET 的環境變數。 您可以透過應用程式根目錄中的 .env 檔案傳遞這些環境變數，或使用指令碼中的以下命令。

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使用者的驗證方式。 這是一個需要使用者同意的兩步驟驗證。 當您實例化載入器時，它會列印一個 URL，使用者必須造訪該 URL 以授予應用程式所需的權限。 然後使用者必須造訪此 URL 並授予應用程式同意。 接著，使用者必須複製產生的頁面 URL 並將其貼回主控台中。 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：OneDriveLoader

完成驗證後，載入器會將權杖 (o365_token.txt) 儲存在 ~/.credentials/ 資料夾中。 此權杖稍後可用於驗證，而無需執行先前說明的複製/貼上步驟。 若要使用此權杖進行驗證，您需要在載入器的實例化中將 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：OneDriveLoader

🗂️ 文件載入器​

📑 從 OneDrive 目錄載入文件​

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

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：OneDriveLoader

📑 從文件 ID 清單載入文件​

另一種可能性是為您想要載入的每個文件提供 object_id 清單。 為此，您需要查詢 Microsoft Graph API 以尋找您感興趣的所有文件 ID。 此連結提供了一個端點清單，這些端點將有助於擷取文件 ID。

例如，若要擷取有關儲存在 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。 取得您感興趣的 ID 清單後，您可以使用以下參數來實例化載入器。

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：OneDriveLoader

📑 選擇支援的檔案類型和偏好的剖析器​

預設情況下，OneDriveLoader 會載入 document_loaders/parsers/registry 中定義的檔案類型，並使用預設的剖析器（如下所示）。

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,
    )

您可以透過傳遞 handlers 參數給 OneDriveLoader 來覆寫此行為。傳遞一個字典，將檔案副檔名（例如 "doc"、"pdf" 等）或 MIME 類型（例如 "application/pdf"、"text/plain" 等）映射到剖析器。請注意，您必須只使用檔案副檔名或 MIME 類型，不能混用。

請勿在檔案副檔名中包含前導點。

# 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映射到相同的 MIME 類型，則會套用最後一個字典項目。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()
}

此頁面是否有幫助？