EPub

EPUB 是一种电子书文件格式，使用“.epub”文件扩展名。该术语是电子出版的简称，有时以 ePub 样式呈现。EPUB 受到许多电子阅读器的支持，并且可在大多数智能手机、平板电脑和计算机上使用兼容的软件。

本教程介绍了如何将 .epub 文档加载到我们可以在下游使用的 Document 格式中。您需要安装 pandocs 软件包，以便该加载器正常工作。

#!pip install pandocs

from langchain.document_loaders import UnstructuredEPubLoader

loader = UnstructuredEPubLoader("winter-sports.epub")

data = loader.load()

保留元素

在底层，Unstructured 为不同的文本块创建了不同的 "元素"。默认情况下，我们将它们组合在一起，但您可以通过指定 mode="elements" 来保持它们的分离。

loader = UnstructuredEPubLoader("winter-sports.epub", mode="elements")

data = loader.load()

data[0]

Document(page_content='The Project Gutenberg eBook of Winter Sports in\nSwitzerland, by E. F. Benson', lookup_str='', metadata={'source': 'winter-sports.epub', 'page_number': 1, 'category': 'Title'}, lookup_index=0)