Docx 文件

DocxLoader 允许您从 Microsoft Word 文档中提取文本数据。它支持现代 .docx 格式和旧版 .doc 格式。根据文件类型，可能需要额外的依赖项。

---

设置

要使用 DocxLoader，您需要 @langchain/community 集成以及 mammoth 或 word-extractor 包。

• mammoth：用于处理 .docx 文件。
• word-extractor：用于处理 .doc 文件。

安装

对于 .docx 文件

npm

npm install @langchain/community @langchain/core mammoth

Yarn

yarn add @langchain/community @langchain/core mammoth

pnpm

pnpm add @langchain/community @langchain/core mammoth

对于 .doc 文件

npm

npm install @langchain/community @langchain/core word-extractor

Yarn

yarn add @langchain/community @langchain/core word-extractor

pnpm

pnpm add @langchain/community @langchain/core word-extractor

用法

加载 .docx 文件

对于 .docx 文件，初始化加载器时无需显式指定任何参数。

import { DocxLoader } from "@langchain/community/document_loaders/fs/docx";

const loader = new DocxLoader(
  "src/document_loaders/tests/example_data/attention.docx"
);

const docs = await loader.load();

加载 .doc 文件

对于 .doc 文件，初始化加载器时，您必须显式指定 type 为 doc。

import { DocxLoader } from "@langchain/community/document_loaders/fs/docx";

const loader = new DocxLoader(
  "src/document_loaders/tests/example_data/attention.doc",
  {
    type: "doc",
  }
);

const docs = await loader.load();