langchain-paddleocr

本 Python 包在 LangChain 生态系统中提供对 PaddleOCR 功能的访问。

快速安装

bash

pip install langchain-paddleocr

基本用法

`PaddleOCRVLLoader`

PaddleOCRVLLoader 允许你：

使用百度 PaddleOCR-VL 系列模型（例如 PaddleOCR-VL、PaddleOCR-VL-1.5）从 PDF 和图像文件中提取文本和版面布局信息
处理来自本地文件或远程 URL 的文档

PaddleOCRVLLoader 的基本用法如下：

python

from langchain_paddleocr import PaddleOCRVLLoader
from pydantic import SecretStr

loader = PaddleOCRVLLoader(
    file_path="path/to/document.pdf",
    api_url="your-api-endpoint",
    access_token=SecretStr("your-access-token")  # 如果使用环境变量 `PADDLEOCR_ACCESS_TOKEN`，则此项为可选
)

docs = loader.load()

for doc in docs[:2]:
    print(f"Content: {doc.page_content[:200]}...")
    print(f"Source: {doc.metadata['source']}")
    print("---")

📖 文档

完整文档请参阅 LangChain 文档。