Dedoc

Dedoc 是一個開放原始碼的函式庫/服務，可以從各種格式的檔案中提取文字、表格、附件和文件結構（例如，標題、列表項目等）。

Dedoc 支援 DOCX、XLSX、PPTX、EML、HTML、PDF、圖片等等。完整支援格式列表請參閱這裡。

安裝與設定

Dedoc 函式庫

您可以使用 pip 安裝 Dedoc。在這種情況下，您需要安裝相依性，請前往這裡以取得更多資訊。

pip install dedoc

Dedoc API

如果您要使用 Dedoc API，則無需安裝 dedoc 函式庫。在這種情況下，您應該執行 Dedoc 服務，例如 Docker 容器（詳細資訊請參閱文件）

docker pull dedocproject/dedoc
docker run -p 1231:1231

文件載入器

• 為了處理任何格式（Dedoc 支援）的檔案，您可以使用 DedocFileLoader

  from langchain_community.document_loaders import DedocFileLoader

• 為了處理 PDF 檔案（無論有無文字圖層），您可以使用 DedocPDFLoader

  from langchain_community.document_loaders import DedocPDFLoader

• 為了在不安裝函式庫的情況下處理任何格式的檔案，您可以使用 Dedoc API 和 DedocAPIFileLoader

  from langchain_community.document_loaders import DedocAPIFileLoader

請參閱使用範例以取得更多詳細資訊。