跳至主要內容

Microsoft SharePoint

Microsoft SharePoint 是一個基於網站的協作系統，它使用工作流程應用程式、「清單」資料庫和其他 Web 組件和安全功能，使業務團隊能夠協同工作，由 Microsoft 開發。

本筆記本涵蓋了如何從 SharePoint 文件庫 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（請參閱以下詳細資訊）。

先決條件​

  1. 按照 Microsoft 身分識別平台 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) 識別碼。 此值也稱為 client ID，可在 Microsoft 身分識別平台中唯一識別您的應用程式。
  3. 在您將在項目 1 執行的步驟中，您可以將重新導向 URI 設定為 https://login.microsoftonline.com/common/oauth2/nativeclient
  4. 在您將在項目 1 執行的步驟中，在 [應用程式密碼] 區段下產生新的密碼 (client_secret)。
  5. 按照此 文件 中的指示，將以下 SCOPES (offline_access 和 Sites.Read.All) 新增至您的應用程式。
  6. 若要從您的文件庫檢索檔案，您需要其 ID。 若要取得它，您需要 Tenant Name、Collection ID 和 Subsite ID 的值。
  7. 若要找到您的 Tenant Name，請按照此 文件 中的指示操作。 取得此值後，只需從該值中移除 .onmicrosoft.com，並保留其餘部分作為您的 Tenant Name。
  8. 若要取得您的 Collection ID 和 Subsite ID，您需要您的 SharePoint site-name。 您的 SharePoint 網站 URL 具有以下格式 https://<tenant-name>.sharepoint.com/sites/<site-name>。 此 URL 的最後一部分是 site-name。
  9. 若要取得網站 Collection ID，請在瀏覽器中點擊此 URL：https://<tenant>.sharepoint.com/sites/<site-name>/_api/site/id 並複製 Edm.Guid 屬性的值。
  10. 若要取得 Subsite ID (或網頁 ID)，請使用：https://<tenant>.sharepoint.com/sites/<site-name>/_api/web/id 並複製 Edm.Guid 屬性的值。
  11. SharePoint 網站 ID 具有以下格式：<tenant-name>.sharepoint.com,<Collection ID>,<subsite ID>。 您可以保留該值，以便在下一步中使用。
  12. 請造訪 Graph Explorer Playground 以取得您的 Document Library ID。 第一步是確保您已使用與您的 SharePoint 網站關聯的帳戶登入。 然後您需要向 https://graph.microsoft.com/v1.0/sites/<SharePoint site ID>/drive 發出請求，並且回應將傳回一個具有欄位 id 的有效負載，該欄位包含您的 Document Library ID。

🧑 從 SharePoint 文件庫擷取文件的說明​

🔑 驗證​

預設情況下，SharePointLoader 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。 您可以透過應用程式根目錄中的 .env 檔案或使用指令碼中的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"

此載入器使用稱為 代表使用者 的驗證。 它是需要使用者同意的兩步驟驗證。 當您實例化載入器時，它將呼叫並列印一個 URL，使用者必須造訪該 URL 以允許應用程式具有所需的權限。 然後，使用者必須造訪此 URL 並同意該應用程式。 接著，使用者必須複製產生的頁面 URL 並將其貼回主控台。 如果登入嘗試成功，該方法將傳回 True。

from langchain_community.document_loaders.sharepoint import SharePointLoader

loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID")
API 參考：SharePointLoader

驗證完成後，載入器會將權杖 (o365_token.txt) 儲存在 ~/.credentials/ 資料夾中。 稍後可以使用此權杖進行驗證，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.sharepoint import SharePointLoader

loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", auth_with_token=True)
API 參考：SharePointLoader

🗂️ 文件載入器​

📑 從文件庫目錄載入文件​

SharePointLoader 可以從文件庫中的特定資料夾載入文件。 例如，您想要載入儲存在文件庫中 Documents/marketing 資料夾中的所有文件。

from langchain_community.document_loaders.sharepoint import SharePointLoader

loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", folder_path="Documents/marketing", auth_with_token=True)
documents = loader.load()
API 參考：SharePointLoader

如果您收到錯誤訊息 Resource not found for the segment，請嘗試使用 folder_id 而非資料夾路徑。您可以從 Microsoft Graph API 取得 folder_id。

loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", auth_with_token=True
                          folder_id="<folder-id>")
documents = loader.load()

如果您希望從根目錄載入文件，您可以省略 folder_id、folder_path 和 documents_ids，載入器將會載入根目錄。

# loads documents from root directory
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", auth_with_token=True)
documents = loader.load()

結合 recursive=True，您可以輕鬆地從整個 SharePoint 載入所有文件

# loads documents from root directory
loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID",
                          recursive=True,
                          auth_with_token=True)
documents = loader.load()

📑 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 以找到您感興趣的所有文件 ID。 此連結提供了一系列端點，這些端點將有助於檢索文件 ID。

例如，要檢索儲存在 data/finance/ 資料夾中的所有物件的資訊，您需要向以下位址發出請求：https://graph.microsoft.com/v1.0/drives/<document-library-id>/root:/data/finance:/children。 一旦您擁有感興趣的 ID 列表，您就可以使用以下參數實例化載入器。

from langchain_community.document_loaders.sharepoint import SharePointLoader

loader = SharePointLoader(document_library_id="YOUR DOCUMENT LIBRARY ID", object_ids=["ID_1", "ID_2"], auth_with_token=True)
documents = loader.load()
API 參考：SharePointLoader

📑 選擇支援的檔案類型和偏好的解析器​

預設情況下，SharePointLoader 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,
    )

您可以透過將 handlers 引數傳遞給 SharePointLoader 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）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。

檔案副檔名不要包含前導點。

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

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

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

如果多個檔案副檔名對應到相同的 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()
}

此頁面是否對您有幫助？