类功能

功能描述

继承实现langchain_community.document_loaders.base.BaseLoader，只支持.pptx格式文档解析功能，可解析文档中的图片内的文字信息和文档中的表格内的文字信息（最多支持单个100*50大小的表格）。PowerPointLoader进行初始化时需要联网下载OCR模型，需保持网络通畅。使用第三方PaddleOCR，识别精确度依赖第三方OCR模型。

函数原型

from mx_rag.document.loader import PowerPointLoader
PowerPointLoader(file_path, lang, enable_ocr)
# 参数枚举值
from mx_rag.utils.common import Lang
class Lang(Enum):
    EN: str = 'en'
    CH: str = 'ch'

参数说明

参数名	类型	可选/必选	说明
file_path	str	必选	pptx文档路径，路径长度取值范围为[1,1024]，不能为软链接且不允许存在".."。文档不大于100MB。
lang	Lang	可选	进行图片OCR时，要识别图片中文字的语言类型，当前支持中文或英文(Lang.CH/Lang.EN)，默认为Lang.CH。
enable_ocr	bool	可选	是否调用OCR进行图片解析，默认为False，即不解析图片。对于像素超过4096*4096的图片OCR将不进行解析。说明：当enable_ocr设置为“True”时，PaddleOCR会联网下载文件，本接口内部使用了pickle模块加载模型，可能存在恶意构造的文件在反序列化时带来安全风险，请确保加载的模型文件来自可信来源。

调用示例

from mx_rag.document.loader import PowerPointLoader
loader = PowerPointLoader("./test.pptx")
docs = loader.lazy_load()
print(list(docs))

父主题： PowerPointLoader类