文档加载器

info

如果您想编写自己的文档加载器，请参见 此如何做。
如果您想贡献一个集成，请参见 贡献集成。

特性

以下表格显示了所有文档加载器的特性支持情况。

Document Loader	Description	Lazy loading	Native async support
AZLyricsLoader	加载 AZLyrics 网页。	✅	✅
AcreomLoader	从目录加载 acreom vault。	✅	❌
AirtableLoader	加载 Airtable 表格。	✅	❌
AmazonTextractPDFLoader	从本地文件系统、HTTP 或 S3 加载 PDF 文件。	✅	❌
ApifyDatasetLoader	从 Apify 网络抓取、爬虫和数据提取平台加载数据集。	❌	❌
ArcGISLoader	从 ArcGIS FeatureLayer 加载记录。	✅	❌
ArxivLoader	从 Arxiv 加载查询结果。	✅	❌
AssemblyAIAudioLoaderById		✅	❌
AssemblyAIAudioTranscriptLoader	加载 AssemblyAI 音频转录。	✅	❌
AstraDBLoader	.. deprecated:: 0.0.29 请使用 langchain_astradb.AstraDBLoader。	✅	✅
AsyncChromiumLoader	使用	✅	✅
AsyncHtmlLoader	异步加载 HTML。	✅	✅
AthenaLoader	从 AWS Athena 加载文档。	✅	❌
AzureAIDataLoader	从 Azure AI 数据加载。	✅	❌
AzureAIDocumentIntelligenceLoader	使用 Azure Document Intelligence 加载 PDF。	✅	❌
AzureBlobStorageContainerLoader	从 Azure Blob Storage 容器加载。	❌	❌
AzureBlobStorageFileLoader	从 Azure Blob Storage 文件加载。	❌	❌
BSHTMLLoader	加载 HTML 文件并使用 beautiful soup 解析。	✅	❌
BibtexLoader	加载 bibtex 文件。	✅	❌
BigQueryLoader	.. deprecated:: 0.0.32 请使用 langchain_google_community.BigQueryLoader。	❌	❌
BiliBiliLoader		❌	❌
BlackboardLoader	加载 Blackboard 课程。	✅	✅
BlockchainDocumentLoader	从区块链智能合约加载元素。	❌	❌
BraveSearchLoader	使用 Brave Search 引擎加载。	✅	❌
BrowserbaseLoader	使用托管在 Browserbase 上的无头浏览器加载预渲染网页。	✅	❌
BrowserlessLoader	使用 Browserless /content 端点加载网页。	✅	❌
CSVLoader	将 CSV 文件加载为文档列表。	✅	❌
CassandraLoader		✅	✅
ChatGPTLoader	从导出的 ChatGPT 数据加载对话。	❌	❌
CoNLLULoader	加载 CoNLL-U 文件。	❌	❌
CollegeConfidentialLoader	加载 College Confidential 网页。	✅	✅
ConcurrentLoader	并发加载和解析文档。	✅	❌
ConfluenceLoader	加载 Confluence 页面。	✅	❌
CouchbaseLoader	从 Couchbase 加载文档。	✅	❌
CubeSemanticLoader	加载 Cube semantic layer 元数据。	✅	❌
DataFrameLoader	加载 Pandas DataFrame。	✅	❌
DatadogLogsLoader	加载 Datadog 日志。	❌	❌
DedocAPIFileLoader		✅	❌
DedocFileLoader		✅	❌
DedocPDFLoader		✅	❌
DiffbotLoader	加载 Diffbot json 文件。	❌	❌
DirectoryLoader	从目录加载。	✅	❌
DiscordChatLoader	加载 Discord 聊天记录。	❌	❌
DocugamiLoader	.. deprecated:: 0.0.24 请使用 docugami_langchain.DocugamiLoader。	❌	❌
DocusaurusLoader	从 Docusaurus 文档加载。	✅	✅
Docx2txtLoader	使用 docx2txt 加载 DOCX 文件并在字符级别进行分块。	❌	❌
DropboxLoader	从 Dropbox 加载文件。	❌	❌
DuckDBLoader	从 DuckDB 加载。	❌	❌
EtherscanLoader	从 Ethereum 主网加载交易。	✅	❌
EverNoteLoader	从 EverNote 加载。	✅	❌
FacebookChatLoader	加载 Facebook Chat 消息目录转储。	✅	❌
FaunaLoader	从 FaunaDB 加载。	✅	❌
FigmaFileLoader	加载 Figma 文件。	❌	❌
FireCrawlLoader	使用 FireCrawl 将网页加载为文档。	✅	❌
GCSDirectoryLoader	.. deprecated:: 0.0.32 请使用 langchain_google_community.GCSDirectoryLoader。	❌	❌
GCSFileLoader	.. deprecated:: 0.0.32 请使用 langchain_google_community.GCSFileLoader。	❌	❌
GeoDataFrameLoader	加载 geopandas Dataframe。	✅	❌
GitHubIssuesLoader	加载 GitHub 仓库的问题。	✅	❌
GitLoader	加载 Git 仓库文件。	✅	❌
GitbookLoader	加载 GitBook 数据。	✅	✅
GithubFileLoader	加载 GitHub 文件	✅	❌
GlueCatalogLoader	从 AWS Glue 加载表模式。	✅	❌
GoogleApiYoutubeLoader	从 YouTube 频道加载所有视频。	❌	❌
GoogleDriveLoader	.. deprecated:: 0.0.32 请使用 langchain_google_community.GoogleDriveLoader。	❌	❌
GoogleSpeechToTextLoader	.. deprecated:: 0.0.32 请使用 langchain_google_community.SpeechToTextLoader。	❌	❌
GutenbergLoader	从 Gutenberg.org 加载。	❌	❌
HNLoader	加载 Hacker News 数据。	✅	✅
HuggingFaceDatasetLoader	从 Hugging Face Hub 数据集加载。	✅	❌
HuggingFaceModelLoader		✅	❌
IFixitLoader	加载 iFixit 修理指南、设备维基和答案。	❌	❌
IMSDbLoader	加载 IMSDb 网页。	✅	✅
ImageCaptionLoader	加载图像标题。	❌	❌
IuguLoader	从 IUGU 加载。	❌	❌
JSONLoader		✅	❌
JoplinLoader	从 Joplin 加载笔记。	✅	❌
KineticaLoader	从 Kinetica API 加载。	✅	❌
LLMSherpaFileLoader	使用 LLMSherpa 加载文档。	✅	❌
LakeFSLoader	从 lakeFS 加载。	❌	❌
LarkSuiteDocLoader	从 LarkSuite (飞书) 加载。	✅	❌
MHTMLLoader	使用 BeautifulSoup 解析 MHTML 文件。	✅	❌
MWDumpLoader	从 MediaWiki XML 文件加载转储。	✅	❌
MastodonTootsLoader	加载 Mastodon 的 'toots'。	✅	❌
MathpixPDFLoader	使用 Mathpix 服务加载 PDF 文件。	❌	❌
MaxComputeLoader	从 Alibaba Cloud MaxCompute 表加载。	✅	❌
MergedDataLoader	合并来自多个加载器的文档	✅	✅
ModernTreasuryLoader	从 Modern Treasury 加载。	❌	❌
MongodbLoader	加载 MongoDB 文档。	❌	✅
NewsURLLoader	使用 Unstructured 从 URL 加载新闻文章。	✅	❌
NotebookLoader	加载 Jupyter notebook (.ipynb) 文件。	❌	❌
NotionDBLoader	从 Notion DB 加载。	❌	❌
NotionDirectoryLoader	加载 Notion directory 转储。	❌	❌
OBSDirectoryLoader	从 华为 OBS 目录 加载。	❌	❌
OBSFileLoader	从 华为 OBS 文件 加载。	❌	❌
ObsidianLoader	从目录加载 Obsidian 文件。	✅	❌
OneDriveFileLoader	从 Microsoft OneDrive 加载文件。	❌	❌
OneDriveLoader	从 Microsoft OneDrive 加载。	✅	❌
OnlinePDFLoader	加载在线 PDF。	❌	❌
OpenCityDataLoader	从 Open City 加载。	✅	❌
OracleAutonomousDatabaseLoader		❌	❌
OracleDocLoader	使用 OracleDocLoader 读取文档	❌	❌
OutlookMessageLoader		✅	❌
PDFMinerLoader	使用 PDFMiner 加载 PDF 文件。	✅	❌
PDFMinerPDFasHTMLLoader	使用 PDFMiner 将 PDF 文件作为 HTML 内容加载。	✅	❌
PDFPlumberLoader	使用 pdfplumber 加载 PDF 文件。	❌	❌
PagedPDFSplitter	使用 pypdf 将 PDF 加载为文档列表。	✅	❌
PebbloSafeLoader	Pebblo Safe Loader 类是一个包装器，用于文档加载器，使数据	✅	❌
PlaywrightURLLoader	使用 Playwright 加载 HTML 页面并使用 Unstructured 解析。	✅	✅
PolarsDataFrameLoader	加载 Polars DataFrame。	✅	❌
PsychicLoader	从 Psychic.dev 加载。	✅	❌
PubMedLoader	从 PubMed 生物医学图书馆加载。	✅	❌
PyMuPDFLoader	使用 PyMuPDF 加载 PDF 文件。	✅	❌
PyPDFDirectoryLoader	使用 pypdf 加载包含 PDF 文件的目录，并在字符级别进行分块。	❌	❌
PyPDFLoader	使用 pypdf 将 PDF 加载为文档列表。	✅	❌
PyPDFium2Loader	使用 pypdfium2 加载 PDF 并在字符级别进行分块。	✅	❌
PySparkDataFrameLoader	加载 PySpark DataFrames。	✅	❌
PythonLoader	加载 Python 文件，尊重任何指定的非默认编码。	✅	❌
RSSFeedLoader	使用 Unstructured 从 RSS 源加载新闻文章。	✅	❌
ReadTheDocsLoader	加载 ReadTheDocs 文档目录。	✅	❌
RecursiveUrlLoader	递归加载根 URL 的所有子链接。	✅	❌
RedditPostsLoader	加载 Reddit 帖子。	❌	❌
RoamLoader	从目录加载 Roam 文件。	❌	❌
RocksetLoader	从 Rockset 数据库加载。	✅	❌
S3DirectoryLoader	从 Amazon AWS S3 目录加载。	❌	❌
S3FileLoader	从 Amazon AWS S3 文件加载。	✅	❌
SQLDatabaseLoader		✅	❌
SRTLoader	加载 .srt（字幕）文件。	❌	❌
ScrapflyLoader	将 URL 转换为可通过 llm 访问的 markdown，使用 Scrapfly.io。	✅	❌
ScrapingAntLoader	将 URL 转换为可通过 LLM 访问的 markdown，使用 ScrapingAnt。	✅	❌
SeleniumURLLoader	使用 Selenium 加载 HTML 页面并使用 Unstructured 解析。	❌	❌
SharePointLoader	从 SharePoint 加载。	✅	❌
SitemapLoader	加载站点地图及其 URL。	✅	✅
SlackDirectoryLoader	从 Slack 目录转储加载。	✅	❌
SnowflakeLoader	从 Snowflake API 加载。	✅	❌
SpiderLoader	使用 Spider AI 将网页加载为文档。	✅	❌
SpreedlyLoader	从 Spreedly API 加载。	❌	❌
StripeLoader	从 Stripe API 加载。	❌	❌
SurrealDBLoader	加载 SurrealDB 文档。	❌	✅
TelegramChatApiLoader	加载 Telegram 聊天 json 目录转储。	❌	❌
TelegramChatFileLoader	从 Telegram 聊天 转储加载。	❌	❌
TelegramChatLoader	从 Telegram 聊天 转储加载。	❌	❌
TencentCOSDirectoryLoader	从 腾讯云 COS 目录加载。	✅	❌
TencentCOSFileLoader	从 腾讯云 COS 文件加载。	✅	❌
TensorflowDatasetLoader	从 TensorFlow Dataset 加载。	✅	❌
TextLoader	加载文本文件。	✅	❌
TiDBLoader	从 TiDB 加载文档。	✅	❌
ToMarkdownLoader	使用 2markdown API 加载 HTML。	✅	❌
TomlLoader	加载 TOML 文件。	✅	❌
TrelloLoader	从 Trello 板加载卡片。	✅	❌
TwitterTweetLoader	加载 Twitter 推文。	❌	❌
UnstructuredAPIFileIOLoader	.. deprecated:: 0.2.8 请使用 langchain_unstructured.UnstructuredLoader。	✅	❌
UnstructuredAPIFileLoader	.. deprecated:: 0.2.8 请使用 langchain_unstructured.UnstructuredLoader。	✅	❌
UnstructuredCHMLoader	使用 Unstructured 加载 CHM 文件。	✅	❌
UnstructuredCSVLoader	使用 Unstructured 加载 CSV 文件。	✅	❌
UnstructuredEPubLoader	使用 Unstructured 加载 EPub 文件。	✅	❌
UnstructuredEmailLoader	使用 Unstructured 加载电子邮件文件。	✅	❌
UnstructuredExcelLoader	使用 Unstructured 加载 Microsoft Excel 文件。	✅	❌
UnstructuredFileIOLoader	.. deprecated:: 0.2.8 请使用 langchain_unstructured.UnstructuredLoader。	✅	❌
UnstructuredFileLoader	.. deprecated:: 0.2.8 请使用 langchain_unstructured.UnstructuredLoader。	✅	❌
UnstructuredHTMLLoader	使用 Unstructured 加载 HTML 文件。	✅	❌
UnstructuredImageLoader	使用 Unstructured 加载 PNG 和 JPG 文件。	✅	❌
UnstructuredMarkdownLoader	使用 Unstructured 加载 Markdown 文件。	✅	❌
UnstructuredODTLoader	使用 Unstructured 加载 OpenOffice ODT 文件。	✅	❌
UnstructuredOrgModeLoader	使用 Unstructured 加载 Org-Mode 文件。	✅	❌
UnstructuredPDFLoader	使用 Unstructured 加载 PDF 文件。	✅	❌
UnstructuredPowerPointLoader	使用 Unstructured 加载 Microsoft PowerPoint 文件。	✅	❌
UnstructuredRSTLoader	使用 Unstructured 加载 RST 文件。	✅	❌
UnstructuredRTFLoader	使用 Unstructured 加载 RTF 文件。	✅	❌
UnstructuredTSVLoader	使用 Unstructured 加载 TSV 文件。	✅	❌

UnstructuredURLLoader|使用 Unstructured 从远程 URL 加载文件。|❌|❌
UnstructuredWordDocumentLoader|使用 Unstructured 加载 Microsoft Word 文件。|✅|❌
UnstructuredXMLLoader|使用 Unstructured 加载 XML 文件。|✅|❌
VsdxLoader||❌|❌
WeatherDataLoader|使用 Open Weather Map API 加载天气数据。|✅|❌
WebBaseLoader|使用 urllib 加载 HTML 页面并用 BeautifulSoup 解析。|✅|✅
WhatsAppChatLoader|加载 WhatsApp 消息文本文件。|✅|❌
WikipediaLoader|从 Wikipedia 加载。|✅|❌
XorbitsLoader|加载 Xorbits DataFrame。|✅|❌
YoutubeLoader|加载 YouTube 视频文字记录。|❌|❌
YuqueLoader|从 Yuque 加载文档。|❌|❌